Calibrator

功能说明

量化参数配置类，通过Calibrator类封装量化算法。

函数原型

Calibrator(model, cfg, calib_data=None, fuse_module_call_back=None)

参数说明

参数名	输入/返回值	含义	使用限制
model	输入	待量化模型实例。	必选。数据类型：PyTorch模型。
cfg	输入	已配置的QuantConfig类。	必选。数据类型：QuantConfig。
calib_data	输入	模型训练数据，可输入真实数据用于Label-Free量化，也可输入虚拟数据来实现Data-Free量化。	可选。数据类型：list[list[Torch.Tensor]] 或list[Torch.Tensor]。如果不输入数据，在模型支持单个float格式输入且指定了input_shape时，会自动调用Data-Free量化流程。针对多个输入或者需要自定义输入格式的模型，用户可随机构造输入数据来实现Data-Free量化。
fuse_module_call_back	输入	BN融合用户自定义函数，在量化前会调用该回调。	可选。数据类型：function。如果模型结构特殊，不是conv->bn并列结构的，需要用户传入自定义融合函数。

调用示例

from modelslim.pytorch.quant.ptq_tools import QuantConfig, Calibrator
disable_names = []
input_shape = [1, 3, 224, 224]
quant_config = QuantConfig(disable_names=disable_names, amp_num=0, input_shape=input_shape)
calib_data = []
image = cv2.imdecode(np.fromfile("./random_image.jpg", dtype=np.uint8), 1)
image = cv2.resize(image, (224, 224,), interpolation=cv2.INTER_CUBIC)
image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB) 
image = torch.from_numpy(image).permute(2, 0, 1)/255
image = image.unsqueeze(0)
calib_data.append([image])     #传入一张随机图片数据，用于提高精度
calibrator = Calibrator(model, quant_config, calib_data=calib_data)

父主题： 训练后量化（PyTorch）