CANN/AMCT创建量化感知训练模型

📅 2026/7/13 8:07:48 👁️ 阅读次数 📝 编程学习
CANN/AMCT创建量化感知训练模型

create_quant_retrain_model

【免费下载链接】amctAMCT是CANN提供的昇腾AI处理器亲和的模型压缩工具仓。项目地址: https://gitcode.com/cann/amct

产品支持情况

产品

是否支持

Ascend 950PR/Ascend 950DT

Atlas A3 训练系列产品 / Atlas A3 推理系列产品

Atlas A2 训练系列产品 / Atlas A2 推理系列产品

功能说明

量化感知训练接口,将输入的待量化的图结构按照给定的量化配置文件进行量化处理,在传入的图结构中插入量化相关的算子(数据和权重的量化感知训练层以及找N的层),生成量化因子记录文件record_file,返回修改后可用于量化感知训练的torch.nn.Module模型。

函数原型

quant_retrain_model = create_quant_retrain_model (config_file, model, record_file, input_data)

参数说明

参数名

输入/输出

说明

config_file

输入

含义:用户生成的量化感知训练配置文件,用于指定模型network中量化层的配置情况。

数据类型:string

model

输入

含义:待进行量化感知训练的模型,已加载权重。

数据类型:torch.nn.Module

record_file

输入

含义:量化因子记录文件路径及名称。

数据类型:string

input_data

输入

含义:模型的输入数据。一个torch.tensor会被等价为tuple(torch.tensor)。

数据类型:tuple

返回值说明

返回修改后可用于量化感知训练的torch.nn.Module模型。

调用示例

import amct_pytorch as amct # 建立待进行量化感知训练的网络图结构 model = build_model() model.load_state_dict(torch.load(state_dict_path)) input_data = tuple([torch.randn(input_shape)]) scale_offset_record_file = os.path.join(TMP, 'scale_offset_record.txt') # 插入量化API quant_retrain_model = amct.create_quant_retrain_model( config_json_file, model, scale_offset_record_file, input_data)

【免费下载链接】amctAMCT是CANN提供的昇腾AI处理器亲和的模型压缩工具仓。项目地址: https://gitcode.com/cann/amct

创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考