PyTorch torch.quantized_max_pool1d Funktion
PyTorch torch Referenzhandbuch
torch.quantized_max_pool1dDies ist eine Funktion in PyTorch, die verwendet wird, um eindimensionale Max-Pooling-Operationen auf quantisierten Tensoren durchzuführen. Diese Funktion wird zum Downsampling in quantisierten Convolutional Neural Networks verwendet.
Funktionsdefinition
torch.quantized_max_pool1d(input, kernel_size, stride, padding, dilation)
Parameterbeschreibung
input: Der quantisierte Eingabetensor (3D: Batch x Kanal x Länge)kernel_size: Größe des Pooling-Fenstersstride: Stride (optional)padding: Padding (optional)dilation: Dilation (optional)
Anwendungsbeispiel
Beispiel
import torch
# Quantisierten Eingabetensor erstellen (batch=1, channel=1, length=10)
input = torch.quantize_per_tensor(torch.randn(1, 1, 10), scale=0.1, zero_point=0, dtype=torch.quint8)
# Quantisiertes Max-Pooling durchführen
output = torch.quantized_max_pool1d(input, kernel_size=3, stride=2, padding=1)
print("Eingabeform:", input.shape)
print("Ausgabeform:", output.shape)
# Quantisierten Eingabetensor erstellen (batch=1, channel=1, length=10)
input = torch.quantize_per_tensor(torch.randn(1, 1, 10), scale=0.1, zero_point=0, dtype=torch.quint8)
# Quantisiertes Max-Pooling durchführen
output = torch.quantized_max_pool1d(input, kernel_size=3, stride=2, padding=1)
print("Eingabeform:", input.shape)
print("Ausgabeform:", output.shape)
Das Ausgabeergebnis ist:
输入形状: torch.Size([1, 1, 10]) 输出形状: torch.Size([1, 1, 5])
Andere Erweiterungen