Python Pytork量化运行时错误：尝试创建负维张量

我正在试用pytorch量化模块。在进行静态训练后量化时，我遵循 文件中详细说明的下一步骤：

添加QuantStub和DeQuantStub模块

引信操作

指定量化配置

torch.quantization.prepare（）

通过对校准数据集运行推断来校准模型

torch.quantization.convert（）

但是，在准备模型后校准模型时，程序会中断

错误出现在最后一个完全连接的层上。图中引入的观察者似乎试图创建负维直方图

以下是错误：

    x = self.fc(x)
  File "/home/juan/miniconda3/envs/sparse/lib/python3.6/site-packages/torch/nn/modules/module.py", line 550, in __call__
    result = self.forward(*input, **kwargs)
  File "/home/juan/miniconda3/envs/sparse/lib/python3.6/site-packages/torch/nn/modules/container.py", line 100, in forward
    input = module(input)
  File "/home/juan/miniconda3/envs/sparse/lib/python3.6/site-packages/torch/nn/modules/module.py", line 550, in __call__
    result = self.forward(*input, **kwargs)
  File "/home/juan/miniconda3/envs/sparse/lib/python3.6/site-packages/torch/nn/modules/container.py", line 100, in forward
    input = module(input)
  File "/home/juan/miniconda3/envs/sparse/lib/python3.6/site-packages/torch/nn/modules/module.py", line 550, in __call__
    result = self.forward(*input, **kwargs)
  File "/home/juan/miniconda3/envs/sparse/lib/python3.6/site-packages/torch/nn/modules/container.py", line 100, in forward
    input = module(input)
  File "/home/juan/miniconda3/envs/sparse/lib/python3.6/site-packages/torch/nn/modules/module.py", line 552, in __call__
    hook_result = hook(self, input, result)
  File "/home/juan/miniconda3/envs/sparse/lib/python3.6/site-packages/torch/quantization/quantize.py", line 74, in _observer_forward_hook
    return self.activation_post_process(output)
  File "/home/juan/miniconda3/envs/sparse/lib/python3.6/site-packages/torch/nn/modules/module.py", line 550, in __call__
    result = self.forward(*input, **kwargs)
  File "/home/juan/miniconda3/envs/sparse/lib/python3.6/site-packages/torch/quantization/observer.py", line 805, in forward
    self.bins)
  File "/home/juan/miniconda3/envs/sparse/lib/python3.6/site-packages/torch/quantization/observer.py", line 761, in _combine_histograms
    histogram_with_output_range = torch.zeros((Nbins * downsample_rate))
RuntimeError: Trying to create tensor with negative dimension -4398046511104: [-4398046511104]

完全连接的组件按以下方式构建：

class LinearReLU(nn.Sequential):
    def __init__(self, in_neurons, out_neurons):
        super(LinearReLU, self).__init__(
            nn.Linear(in_neurons, out_neurons),
            nn.ReLU(inplace=False)
        )

它们以

fc=nn.Sequential（*[linearerlu，linearerlu，…]）

的形式附加在

fc（x）

中

然而，我怀疑这与卷积和完全连接层之间的重塑有关

x=x.重塑（-1，大小）

直到现在我还不能解决这个错误

---

提前感谢所有有同样问题的人

Pyrotch量化文档中的解决方案如下：

基于视图的操作，如View（）、as_stried（）、expand（）、flatte（）、select（）、python风格的索引等，与常规张量一样工作（如果量化不是每个通道）

问题是使用

重塑

并进行每通道量化。如果我对最后两个通道进行

平均

，则没有问题