【J6】直方图中reset_scale简介 - 地平线开发者社区

声明：本文主要基于公开资源学习整理，如有错漏，欢迎评论交流~

1. reset_scale 的作用

源码位于 horizon_plugin_pytorch/quantization/observer_v2.py。

校准完成后，每个 HistogramObserver 实例已累积了直方图数据并算出了 scale。但如果默认搜索策略（如 mse）的精度不满足预期，想换一种策略（如 percentile）重新搜索 scale，怎么办？重新跑一遍校准数据耗时太长——reset_scale 正是为了解决这个问题：

它遍历模型中所有模块，找到使用 HistogramObserver 的伪量化节点，利用已有的直方图数据，用新的搜索策略重算 scale，无需重新跑校准。

参数	类型	含义
cls	类对象	@classmethod 的隐式参数，绑定到调用时的类本身（如 HistogramObserver），而非某个实例。后文详述
model	torch.nn.Module	待操作的校准模型，reset_scale 会遍历其中所有模块来查找目标 observer
method	str	搜索策略名称。可选 "percentile"、"mse"、"kl" 等，决定如何从直方图中选取 max_val
method_kwargs	Dict	搜索策略的额外参数。如 method="percentile" 时可传 {"percentile": 0.999}。默认为空字典
prefix	Tuple[str]	模块名前缀过滤。只对名称以该前缀开头的模块生效，如 prefix=("conv1",) 只处理 conv1、层。默认为 None，即处理所有模块
dtype	quant dtype	数据类型过滤。只对指定 dtype 的层生效，如只重算 qint8 层的 scale，跳过 qint16 层。默认为 None，即不区分 dtype

三层过滤（prefix → cls类型 → dtype）+ 空直方图检查，确保只对符合条件的已校准 observer 重算 scale。

注意到 reset_scale 的第一个参数是 cls，不是 self。这是由其语义决定的。

self 绑定实例，cls 绑定类。

self 是实例方法的第一个参数，指向一个具体对象。通过 self 能访问实例独有属性（如 self.histogram），必须先有实例才能调用。
cls 是 @classmethod 的第一个参数，指向类本身。无需实例即可调用，能做类型判断（isinstance(obj, cls)），但无法触及实例属性。

总结：self 关心"我自己的数据"，cls 关心"我们这类对象该怎么操作"。

1. 语义正确

reset_scale 是"HistogramObserver 类，请帮我重算模型中所有你类实例的 scale"——这是类级别的批量操作。如果用 self，调用变成：

用一个 observer 实例去操作其他 observer，语义上说不通——它们之间没有从属关系。而 cls 的调用方式语义清晰：

2. 类型判断支持继承多态

源码中 isinstance(m.activation_post_process, cls) 用 cls 而非写死类名。如果子类继承并调用 reset_scale，cls 自动指向子类，判断和操作都针对子类，无需修改代码。

3. 无需实例即可调用

校准完成后，用户手上的是模型而非某个 observer 实例。cls 方式让用户直接通过类名调用，使用门槛最低。

那 cls 无法访问实例属性怎么办？reset_scale 通过 model 参数遍历找到目标实例，再通过实例引用调用 calculate_qparams 等实例方法完成具体操作。这是一种常见模式：cls 方法负责发现和编排，self 方法负责具体的数据操作，各司其职。