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说明。 |
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 } }, "layer1.0.conv1":{ "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)