conv1d

class torch.ao.nn.quantized.functional.conv1d(input, weight, bias, stride=1, padding=0, dilation=1, groups=1, padding_mode='zeros', scale=1.0, zero_point=0, dtype=torch.quint8) [источник]

Выполняет одномерную свёртку над квантованным одномерным входом, состоящим из нескольких входных плоскостей.

Подробнее о параметрах и форме выходных данных см. в разделе Conv1d.

Параметры:

• input – квантованный входной тензор формы $(\text{minibatch} , \text{in\_channels} , iW)$
• weight – квантованные фильтры формы $(\text{out\_channels} , \frac{\text{in\_channels}}{\text{groups}} , iW)$
• bias – неквантованный тензор смещения формы $(\text{out\_channels})$. Тип тензора должен быть torch.float.
• stride – шаг свёрточного ядра. Может быть одним числом или кортежем (sW,). По умолчанию: 1
• padding – неявное дополнение с обеих сторон входных данных. Может быть одним числом или кортежем (padW,). По умолчанию: 0
• dilation – расстояние между элементами ядра. Может быть одним числом или кортежем (dW,). По умолчанию: 1
• groups – разделение входных данных на группы; $\text{in\_channels}$ должно делиться на число групп. По умолчанию: 1
• padding_mode – режим дополнения. В настоящее время для квантованной свёртки поддерживается только режим «zeros». По умолчанию: «zeros»
• scale – масштаб квантования для выходных данных. По умолчанию: 1.0
• zero_point – нулевая точка квантования для выходных данных. По умолчанию: 0
• dtype – используемый тип данных квантования. По умолчанию: torch.quint8

Примеры:

>>> from torch.ao.nn.quantized import functional as qF
>>> filters = torch.randn(33, 16, 3, dtype=torch.float)
>>> inputs = torch.randn(20, 16, 50, dtype=torch.float)
>>> bias = torch.randn(33, dtype=torch.float)
>>>
>>> scale, zero_point = 1.0, 0
>>> dtype_inputs = torch.quint8
>>> dtype_filters = torch.qint8
>>>
>>> q_filters = torch.quantize_per_tensor(filters, scale, zero_point, dtype_filters)
>>> q_inputs = torch.quantize_per_tensor(inputs, scale, zero_point, dtype_inputs)
>>> qF.conv1d(q_inputs, q_filters, bias, padding=1, scale=scale, zero_point=zero_point)