create_quant_retrain_config

功能说明

量化感知训练接口，根据图的结构找到所有可量化感知训练的层，自动生成量化感知训练配置文件，并将可可量化层的配置信息写入配置文件。

约束说明

无。

函数原型

create_quant_retrain_config(config_file, network, *input_data, config_defination=None)

参数说明

参数名	输入/返回值	含义	使用限制
config_file	输入	待生成的量化感知训练配置文件存放路径及名称。如果存放路径下已经存在该文件，则调用该接口时会覆盖已有文件。	数据类型：string
network	输入	需要进行量化感知训练的MindSpore原始网络。	数据类型：MindSpore的Cell对象
input_data	输入	用户网络输入数据（仅要求数据的format和shape正确，数据本身可以是随机生成的），用于图编译。	数据类型：可以转化为MindSpore Tensor的对象，比如numpy.ndarray对象。该参数为可变参数，支持用户网络有多个输入的情况。
config_defination	输入	基于retrain_config_mindspore.proto文件生成的简易配置文件quant.cfg， retrain_config_mindspore.proto文件所在路径为：AMCT安装目录/amct_mindspore/proto/retrain_config_mindspore.proto。 retrain_config_mindspore.proto文件参数解释以及生成的quant.cfg简易量化配置文件样例请参见量化感知训练简易配置文件。	默认值：None 数据类型：string 使用约束：当取值为None时，使用输入参数生成配置文件；否则根据量化感知训练简易配置文件参数config_defination生成json格式的配置文件。

返回值说明

无。

函数输出

输出一个json格式的量化感知训练配置文件（重新执行量化感知训练时，该接口输出的配置文件将会被覆盖）。样例如下：

      
       
         
         
           {
    "version":1,
    "conv1":{
        "retrain_enable":true,
        "retrain_data_config":{
            "algo":"ulq_quantize"
        },
        "retrain_weight_config":{
            "algo":"arq_retrain",
            "channel_wise":true
        }
    },
    "layer1.0.down_sample_layer.0":{
        "retrain_enable":true,
        "retrain_data_config":{
            "algo":"ulq_quantize"
        },
        "retrain_weight_config":{
            "algo":"arq_retrain",
            "channel_wise":true
        }
    },
...
}

          

        

      
     

调用示例

      
           import amct_mindspore as amct
import numpy as np

network = resnet(10)
network.set_train(True)
ckpt_path = os.path.join(CUR_DIR, './ckpt/resnet50.ckpt')
param_dict =load_checkpoint(ckpt_path)
load_param_into_net(network, param_dict)

input_data = np.random.uniform(0.0, 1.0, size=[32, 3, 224, 224]).astype(np.float32)
config_file = os.path.join(CUR_DIR, './retrain_quant_config.json')
amct.create_quant_retrain_config(config_file,
        network,
        input_data)

父主题： 量化感知训练接口