EmbeddingBag

class torch.ao.nn.quantized.EmbeddingBag(num_embeddings, embedding_dim, max_norm=None, norm_type=2.0, scale_grad_by_freq=False, mode='sum', sparse=False, _weight=None, include_last_offset=False, dtype=torch.quint8) [исходный код]

Квантованный модуль EmbeddingBag, принимающий в качестве входных данных квантованные упакованные веса. Мы используем тот же интерфейс, что и torch.nn.EmbeddingBag; документацию см. по адресу https://pytorch.org/docs/stable/generated/torch.nn.EmbeddingBag.html.

Как и в EmbeddingBag, атрибуты будут случайным образом инициализированы при создании модуля и впоследствии перезаписаны

Переменные:

weight (Tensor) – неквантуемые обучаемые веса модуля формы $(\text{num\_embeddings}, \text{embedding\_dim})$.

Примеры::

>>> m = nn.quantized.EmbeddingBag(num_embeddings=10, embedding_dim=12, include_last_offset=True, mode='sum')
>>> indices = torch.tensor([9, 6, 5, 7, 8, 8, 9, 2, 8, 6, 6, 9, 1, 6, 8, 8, 3, 2, 3, 6, 3, 6, 5, 7, 0, 8, 4, 6, 5, 8, 2, 3])
>>> offsets = torch.tensor([0, 19, 20, 28, 28, 32])
>>> output = m(indices, offsets)
>>> print(output.size())
torch.Size([5, 12])

classmethod from_float(mod, use_precomputed_fake_quant=False) [исходный код]

Создать квантованный модуль embedding_bag на основе модуля с плавающей точкой

Параметры:

mod (Module) – модуль с плавающей точкой, созданный с помощью утилит torch.ao.quantization или предоставленный пользователем