pytorch的三种量化方式详解
这篇博客详细介绍了pytorch官方教程提到的三种量化方式的原理，详细解释了三种量化方式的区别；
1. 静态量化 ：torch.quantize_per_tensor
- scale （标度）和 zero_point（零点位置）需要自定义。量化后的模型，不能训练（不能反向传播），也不能推理，需要解量化后，才能进行运算
详细的解释，参考这篇博客： 静态量化
2. 动态量化 ： torch.quantization.quantize_dynamic
- 系统自动选择最合适的scale （标度）和 zero_point（零点位置），不需要自定义。量化后的模型，可以推理运算，但不能训练（不能反向传播）
- 详细的解释，参考这篇博客： 动态量化
3. 量化意识训练
- 系统自动选择最合适的scale （标度）和 zero_point（零点位置），不需要自定义。但这是一种伪量化，量化后的模型权重仍然是32位浮点数，但大小和8位定点数权重的大小相同。伪量化后的模型可以进行训练。虽然是以32位浮点数进行的训练，但结果与8位定点数的结果一致。
- 示例程序： 量化意识训练