如何在Python中使用PyTorch进行静态INT8模型量化与推理?

陌辰君_8758

陌辰君_8758

2026-11-18

431人浏览

原创

PyTorch 1.13+ 已移除 eager 模式下 fbgemm/qnnpack 的静态 INT8 推理支持,真正 INT8 计算仅可通过 TorchScript + QNNPACK lowering 实现,且需 script 导出、环境变量启用及 float 输入。

如何在python中使用pytorch进行静态int8模型量化与推理?

PyTorch 1.13+ 的 torch.ao.quantization 不再支持静态 INT8 后端推理

直接说结论:PyTorch 官方自 1.13 起已移除对 fbgemm 和 qnnpack 后端的静态 INT8 推理支持(即 torch.int8 权重 + torch.quint8 激活的纯整数推理路径),quantize_static 流程默认产出的是“量化感知训练(QAT)风格”的 fake-quant 模型,或仅支持 torch.float 输出的 eager 模式量化模型。真正意义上的静态 INT8 推理(weight: int8, activation: int8, kernel: int8 x int8 → int32)需依赖 TorchScript + backend-specific lowering,而 PyTorch 主线已不维护该路径。

想跑真实 INT8 推理?必须走 TorchScript + torch._C._jit_pass_dedup_quantized_ops 流程

这是目前唯一能在 PyTorch 中触发底层 INT8 kernel(如 QNNPACK 的 conv2d_prepack + conv2d 整数链路)的方式,但要求严格:

  • model 必须先完成 prepare_qat 或 prepare + convert,且只使用 qconfig = get_default_qconfig('qnnpack') 或 'fbgemm'
  • 必须用 torch.jit.script(model) 或 torch.jit.trace(model, example_input) 导出,不能用 torch.jit.save 后再加载——动态 shape 会破坏 quantizer binding
  • 必须在调用前设置环境变量:os.environ["PYTORCH_QNNPACK_ENABLE"] = "1"(Linux/macOS)或确保 QNNPACK 已编译进 PyTorch
  • 输入 tensor dtype 必须为 torch.float,不能是 torch.quint8;输出仍是 torch.float,但中间计算全程走 INT8

示例关键片段:

import torch
import torch.nn as nn
from torch.ao.quantization import get_default_qconfig, prepare, convert
<p>model = nn.Sequential(nn.Conv2d(3, 16, 3), nn.ReLU(), nn.AdaptiveAvgPool2d(1))
model.eval()
model.qconfig = get_default_qconfig('qnnpack')  # 注意不是 'fbgemm'(x86)或 'qnnpack'(ARM)
prepare(model, inplace=True)</p><h1>此处需用 calibration 数据 forward 若干次</h1><p>convert(model, inplace=True)</p><div class="aritcle_card flexRow artxards">
											<div class="artcardd flexRow">
												<a class="aritcle_card_img" rel="nofollow" href="/xiazai/skill13278" title="Camoufox Open Source Anti-Detect Browser for Python Automation"><img
														src="https://img.php.cn/upload/skill/001/246/273/6adaf20e352aa140.jpg" alt="Camoufox Open Source Anti-Detect Browser for Python Automation" onerror="this.onerror='';this.src='/static/lhimages/moren/morentu.png'" ></a>
												<div class="aritcle_card_info flexColumn">
													<a rel="nofollow" href="/xiazai/skill13278" title="Camoufox Open Source Anti-Detect Browser for Python Automation" class="overflowclass">Camoufox Open Source Anti-Detect Browser for Python Automation</a>
													<p class="overflowclass">Camoufox 是一个基于 Firefox 构建的开源反检测浏览器,为 Python 自动化工作流程提供强大的指纹注入和反机器人检测规避功能。它与 Playwright 集成,以提供能够绕过现代机器人检测系统的隐身浏览能力。</p>
												</div>
												<a rel="nofollow" href="/xiazai/skill13278" title="Camoufox Open Source Anti-Detect Browser for Python Automation" class="aritcle_card_btn flexRow flexcenter"><b></b><span>下载</span>
												</a>
											</div>
										</div><p>scripted = torch.jit.script(model)  # 必须 script,trace 也可但需固定 shape
scripted = torch.jit.freeze(scripted)  # 可选,提升启动速度
out = scripted(torch.randn(1, 3, 224, 224))  # 输入 float,内部走 INT8 计算</p>

torch.ao.quantization.quantize_dynamic 和 quantize_static 的本质区别

很多人混淆这两个 API 的输出类型:

  • quantize_dynamic(model, {nn.Linear}, dtype=torch.qint8) → 权重转 torch.qint8,激活仍为 torch.float,无 activation observer,不校准,适合小模型或低延迟场景
  • quantize_static(model, calib_data_loader, ...) → 实际调用的是 prepare+convert,输出仍是 float 输出模型,activation 用 torch.quint8 表示范围,但计算时自动反量化 —— 这不是 INT8 推理,只是“带 scale/zero_point 的 float 模拟”
  • 二者均不生成 torch.int8 激活 tensor;PyTorch 的 eager mode 下没有 torch.int8 activation 的 forward pass

真要部署 INT8 模型?别卡在 PyTorch eager,换 ONNX + TensorRT / TVM

PyTorch 的量化流程本质是“为导出服务”,不是为本地 INT8 推理设计的。生产中更可靠的做法是:

  • 用 torch.ao.quantization.prepare + convert 得到量化模型
  • 用 torch.onnx.export(..., opset_version=13, operator_export_type=torch.onnx.OperatorExportTypes.ONNX_ATEN_FALLBACK) 导出(注意开启 enable_onnx_checker=False)
  • 用 onnxsim 简化,再交给 TensorRT(INT8 mode + calibration cache)或 TVM(with relay.quantize.quantize)做真正硬件级 INT8 编译
  • 绕过 PyTorch 的 qnnpack 限制,也避免 macOS/Windows 下 QNNPACK 不可用的问题

最容易被忽略的一点:PyTorch 的 static quantization 校准(calibration)本身不保证数值等价性,不同 backend(QNNPACK vs fbgemm)对 same model + same qconfig 的 scale/zero_point 推导可能不同,且无法跨平台复现 —— 所以别把校准结果当金标准,务必在目标设备上实测 latency 和 accuracy drop。

Python免费学习笔记(深入):立即使用
在学习笔记中,你将探索 Python 的核心概念和高级技巧!

相关文章

PHP速学视频免费教程(入门到精通)
PHP速学视频免费教程(入门到精通)

PHP怎么学习?PHP怎么入门?PHP在哪学?PHP怎么学才快?不用担心,这里为大家提供了PHP速学教程(入门到精通),有需要的小伙伴保存下载就能学习啦!

下载

相关标签:

python pytorch

本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn

相关专题

更多
python打包成可执行文件
python打包成可执行文件

本专题为大家带来python打包成可执行文件相关的文章,大家可以免费的下载体验。

2023.07.20

1951

4

python能做什么
python能做什么

python能做的有:可用于开发基于控制台的应用程序、多媒体部分开发、用于开发基于Web的应用程序、使用python处理数据、系统编程等等。本专题为大家提供python相关的各种文章、以及下载和课程。

2023.07.25

5524

7

format在python中的用法
format在python中的用法

Python中的format是一种字符串格式化方法,用于将变量或值插入到字符串中的占位符位置。通过format方法,我们可以动态地构建字符串,使其包含不同值。php中文网给大家带来了相关的教程以及文章,欢迎大家前来阅读学习。

2023.07.31

1889

3

python教程
python教程

Python已成为一门网红语言,即使是在非编程开发者当中,也掀起了一股学习的热潮。本专题为大家带来python教程的相关文章,大家可以免费体验学习。

2023.08.03

33737

23

python环境变量的配置
python环境变量的配置

Python是一种流行的编程语言,被广泛用于软件开发、数据分析和科学计算等领域。在安装Python之后,我们需要配置环境变量,以便在任何位置都能够访问Python的可执行文件。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.04

3967

5

python eval
python eval

eval函数是Python中一个非常强大的函数,它可以将字符串作为Python代码进行执行,实现动态编程的效果。然而,由于其潜在的安全风险和性能问题,需要谨慎使用。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.04

3967

5

scratch和python区别
scratch和python区别

scratch和python的区别:1、scratch是一种专为初学者设计的图形化编程语言,python是一种文本编程语言;2、scratch使用的是基于积木的编程语法,python采用更加传统的文本编程语法等等。本专题为大家提供scratch和python相关的文章、下载、课程内容,供大家免费下载体验。

2023.08.11

1283

5

python合并两个列表
python合并两个列表

Python是一种强大的编程语言,具有许多方便的功能和工具。在Python中,有多种方法可以合并两个列表。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.10

636

4

python是前端还是后端
python是前端还是后端

Python属于前端也属于后端,其灵活性和丰富的生态系统使得开发人员能够在不同的领域中灵活运用。本专题为大家提供python相关的文章、下载、课程内容,供大家免费下载体验。

2023.08.11

3083

5

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
相关推荐
/
热门推荐
/
最新课程