机器学习 · 函数

动态量化

执行动态量化，对模型进行量化压缩。对标 torch.quantization.quantize_dynamic。动态量化在推理时动态量化权重，适合 LSTM 和 Transformer 模型。参数: 模型: PyTorch 浮点数模型数据类型: 量化数据类型，默认为 'qint8' 返回: 量化后的模型

调用签名(模型, 数据类型: 'str' = 'qint8')

动ZHONGWEN
PYTHON

Chinese example

中文代码示例

# 完整案例：按字段调用 动态量化
设 结果 = 机器学习.动态量化(
    模型=[1, 2, 3, 4],  # 必填；按函数业务含义传入 模型;首次使用建议先 打印(...
    数据类型='qint8',  # 可选；要创建或处理的对象类型，例如按钮、标签、表格、输...
)
打印(结果)

可直接放进 .cs / .中py 文件运行。转换器会把中文代码交给真实 Python 解释器。

Parameters

参数说明

2 个参数

参数类型 / 传入方式说明

模型可选 · 默认无

未声明位置参数或字段名=值

按函数业务含义传入模型;首次使用建议先打印(结果) 确认其作用。

常见错误：漏传或对象为 None 会报 TypeError/AttributeError;先调用对应的创建函数拿到模型再传入

数据类型可选 · 默认 'qint8'

str位置参数或字段名=值

要创建或处理的对象类型，例如按钮、标签、表格、输入框。

常见错误：传非字符串会报 TypeError;按字符串类型传值

Playbook

基础用法 · 进阶组合 · 错误排查

# 完整案例：按字段调用 动态量化
设 结果 = 机器学习.动态量化(
    模型=[1, 2, 3, 4],  # 必填；按函数业务含义传入 模型;首次使用建议先 打印(...
    数据类型='qint8',  # 可选；要创建或处理的对象类型，例如按钮、标签、表格、输...
)
打印(结果)

# 进阶组合:动态量化 配合 机器学习 业务流使用
设 模型 = 机器学习.训练线性回归([[1], [2], [3]], [2, 4, 6])
设 结果 = 机器学习.动态量化(
    模型=[1, 2, 3, 4],  # 必填
    数据类型='qint8',  # 可选
)
设 结果 = 机器学习.预测(模型, [[4]])
打印(结果)

# 错误排查:覆盖 1 个必填参数

## 参数 1: 模型
# 错误:漏传会报 TypeError: missing required argument
# 设 结果 = 机器学习.动态量化()  # TypeError
# 修复:补上必填字段
设 结果 = 机器学习.动态量化(模型=[1, 2, 3, 4])
打印(结果)