PyTorch torch.quantized_max_pool2d Funktion
PyTorch torch Referenzhandbuch
torch.quantized_max_pool2dIst eine Funktion in PyTorch, die verwendet wird, um zweidimensionale Max-Pooling-Operationen auf quantisierten Tensoren durchzuführen. Diese Funktion wird häufig für räumliches Downsampling in quantisierten Convolutional Neural Networks verwendet.
Funktionsdefinition
torch.quantized_max_pool2d(input, kernel_size, stride, padding, dilation)
Parameterbeschreibung
input: Quantisierter Eingabetensor (4D: Batch x Kanal x Höhe x Breite)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, height=4, width=4)
input = torch.quantize_per_tensor(torch.randn(1, 1, 4, 4), scale=0.1, zero_point=0, dtype=torch.quint8)
# Quantisiertes Max-Pooling durchführen (2x2-Pooling-Fenster)
output = torch.quantized_max_pool2d(input, kernel_size=2, stride=2)
print("Eingabeform:", input.shape)
print("Ausgabeform:", output.shape)
# Quantisierten Eingabetensor erstellen (batch=1, channel=1, height=4, width=4)
input = torch.quantize_per_tensor(torch.randn(1, 1, 4, 4), scale=0.1, zero_point=0, dtype=torch.quint8)
# Quantisiertes Max-Pooling durchführen (2x2-Pooling-Fenster)
output = torch.quantized_max_pool2d(input, kernel_size=2, stride=2)
print("Eingabeform:", input.shape)
print("Ausgabeform:", output.shape)
Das Ausgabeergebnis ist:
输入形状: torch.Size([1, 1, 4, 4]) 输出形状: torch.Size([1, 1, 2, 2])
Andere Erweiterungen