对pytorch的可训练参数进行定点量化（模拟FPGA加速神经网络计算过程）：

最新推荐文章于 2026-06-04 10:34:56 发布

原创

最新推荐文章于 2026-06-04 10:34:56 发布 · 4.8k 阅读

标签

#pytorch #神经网络 #机器学习

收录于

本文介绍了如何在PyTorch中对模型参数进行定点量化，以模拟FPGA实现时的计算过程。首先，建立了一个包含两个线性层的简单模型，然后查看并展示了模型的参数。接着，提供了两个转换公式，t1用于12位定点量化，t2用于2的幂次方量化。通过这两个函数，分别对fc1和fc2层的权重进行了量化处理。这有助于理解模型量化的基本步骤，尽管不支持反向传播训练。

对pytorch的训练参数进行定点量化：

PS：只是模拟FPGA实现时的定点数量化计算过程（不支持反向传播训练）…
哪个大佬有好的量化方案，求给个连接，官网的pytorch量化训练教程看不懂，以后看懂了再更吧

1.建立模型

建立一个含有两个线性层的模型

import torch
import numpy as np
import torch.nn as nn

class FC(nn.Module):
    def __init__(self, input_dim,hid_dim):
        super().__init__()
        self.fc1 = nn.Linear(input_dim, hid_dim)
        self.fc2 = nn.Linear(input_dim, hid_dim)
        
    def forward(self, input)