news 2026/5/9 21:40:24

CANN/amct蒸馏API文档

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
CANN/amct蒸馏API文档

distill

【免费下载链接】amctAMCT是CANN提供的昇腾AI处理器亲和的模型压缩工具仓。项目地址: https://gitcode.com/cann/amct

产品支持情况

产品是否支持
Ascend 950PR/Ascend 950DT
Atlas A3 训练系列产品/Atlas A3 推理系列产品
Atlas A2 训练系列产品/Atlas A2 推理系列产品

功能说明

蒸馏接口,将输入的待蒸馏的图结构按照给定的蒸馏量化配置文件进行蒸馏处理,返回修改后的torch.nn.Module蒸馏模型。

函数原型

distill_model = distill(model, compress_model, config_file, train_loader, epochs=1, lr=1e-3, sample_instance=None, loss=None, optimizer=None)

参数说明

参数名

输入/输出

说明

model

输入

含义:待进行蒸馏量化的原始浮点模型,已加载权重。

数据类型:torch.nn.Module

compress_model

输入

含义:修改后的可用于蒸馏的torch.nn.Module模型。

数据类型:torch.nn.Module

使用约束:该接口输入的模型必须是量化后的压缩模型。

config_file

输入

含义:用户生成的蒸馏量化配置文件,用于指定模型network中量化层的配置情况和蒸馏结构。

数据类型:string

使用约束:该接口输入的config.json必须和create_distill_config接口输入的config.json一致。

train_loader

输入

含义:训练数据集。

数据类型:torch.utils.data.DataLoader

使用约束:必须与模型输入大小匹配。

epochs

输入

含义:最大迭代次数。

默认值:1

数据类型:int

lr

输入

含义:学习率。

默认值:1e-3

数据类型:float

sample_instance

输入

含义:用户提供的获取模型输入数据方法的实例化对象。

默认值:None

数据类型:DistillSampleBase

使用约束:必须继承自DistillSampleBase类,并且实现get_model_input_data方法。可参考AMCT安装目录/amct_pytorch/distill/distill_sample.py文件。

loss

输入

含义:用于计算损失的实例化对象。

默认值:None

数据类型:torch.nn.Modules.loss._Loss

optimizer

输入

含义:优化器的实例化对象。

默认值:None

数据类型:torch.optim.Optimizer

返回值说明

修改后的torch.nn.Module蒸馏模型。

调用示例

import amct_pytorch as amct # 建立待进行蒸馏量化的网络图结构 model = build_model() model.load_state_dict(torch.load(state_dict_path)) compress_model = compress(model) input_data = tuple([torch.randn(input_shape)]) train_loader = torch.utils.data.DataLoader(input_data) loss = torch.nn.MSELoss() optimizer = torch.optim.AdamW(compress_model.parameters(), lr=0.1) # 蒸馏 distill_model = amct.distill( model, compress_model config_json_file, train_loader, epochs=1, lr=1e-3, sample_instance=None, loss=loss, optimizer=optimizer)

【免费下载链接】amctAMCT是CANN提供的昇腾AI处理器亲和的模型压缩工具仓。项目地址: https://gitcode.com/cann/amct

创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考

版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/5/9 21:40:05

AI产业动态日报 | 2026年5月9日

文章目录AI产业动态日报 | 2026年5月9日一、今日核心头条多项AI国家标准与政策密集发布二、产业格局与资本动向DeepSeek新一轮融资规模达500亿元,创始人或自投200亿Anthropic估值逼近1万亿美元xAI解散并入SpaceX,AI产业格局重塑苹果与英特尔达成芯片代工…

作者头像 李华
网站建设 2026/5/9 21:39:27

Excel 行与列相关的函数

目录一. TOCOL 转换为一列二. TOROW 转换为一行三. BYROW 按行处理3.1 案例一3.2 案例二四. BYCOL 按列处理🔺说明🔺 这些函数都是Excel2024之后开始更好支持的新函数,旧版本的Excel是不支持的。 一. TOCOL 转换为一列 默认情况下&#xff…

作者头像 李华
网站建设 2026/5/9 21:39:25

CANN/pyasc架构介绍

pyasc模块与架构 【免费下载链接】pyasc 本项目为Python用户提供算子编程接口,支持在昇腾AI处理器上加速计算,接口与Ascend C一一对应并遵守Python原生语法。 项目地址: https://gitcode.com/cann/pyasc 架构图 核心模块关系图 核心模块说明 pya…

作者头像 李华
网站建设 2026/5/9 21:36:36

AI赋能非洲农业:轻量级技术方案与本地化实践

1. 项目概述:当AI遇见非洲田野在非洲大陆广袤的土地上,农业不仅是数亿人的生计所系,更是经济与社会稳定的基石。然而,这片充满潜力的土地长期面临着诸多挑战:变幻莫测的气候、有限的基础设施、资源获取的不平等以及传统…

作者头像 李华
网站建设 2026/5/9 21:35:08

Cartographer实战:从2D建图到3D点云,再到Lua参数调优全解析

Cartographer实战:从2D建图到3D点云,再到Lua参数调优全解析 在机器人自主导航领域,SLAM技术始终是核心挑战之一。Google开源的Cartographer以其独特的混合式SLAM架构,成为工业界和学术界广泛采用的解决方案。不同于简单的工具使用…

作者头像 李华