基于君正magik-transform-tool对一维时序模型进行量化

原创

已于 2024-08-27 18:18:05 修改 · 364 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#机器学习 #人工智能

于 2024-08-26 17:49:09 首次发布

由于一维时序数据为形如[1,23]的特征，当batch_size设置为64时，经dataloader读取传入后，input_tensor为[64,23]的特征。由于magik近支持pool2d,所以需特征进行补0然后转换为[64,5,5]的张量。

        x = torch.cat((x, torch.zeros(x.size(0), 2)), dim=1) #[64, 23] -> [64, 25]
        x = x.view(x.size(0), 5, 5) #[64, 5, 5]

而由于采用的panns模型，默认的conv如下，且有四层ConvBlock结构

class ConvBlock(nn.Module):
    def __init__(self, in_channels, out_channels):
        super(ConvBlock, self).__init__()

        self.conv1 = nn.Conv2d(in_channels=in_channels,
                               out_channels=out_channels,
                               kernel_size=(3, 3),
                               stride=(1,1),
                               padding=(1,1))
        self.conv2 = nn.Conv2d(in_channels=out_channels,
                               out_channels=out_channels,
                               kernel_size=(3,3),