calibration_config_pytorch.proto文件参数说明如表1所示，该文件所在目录为：AMCT安装目录/amct_pytorch/proto/calibration_config_pytorch.proto。

表1 calibration_config_pytorch.proto参数说明
消息	是否必填	类型	字段	说明
AMCTConfig	-	-	-	AMCT训练后量化的简易量化配置。
	optional	uint32	batch_num	量化使用的batch数量。
	optional	bool	activation_offset	数据量化是否带offset。全局配置参数。 true：带offset，数据量化时为非对称量化。 false：不带offset，数据量化时为对称量化。
	repeated	string	skip_layers	不需要量化层的层名。
	repeated	string	skip_layer_types	不需要量化的层类型。
	optional	NuqConfig	nuq_config	非均匀量化配置。
	optional	CalibrationConfig	common_config	通用的量化配置，全局量化配置参数。若某层未被override_layer_types或者override_layer_configs重写，则使用该配置。参数优先级：override_layer_configs>override_layer_types>common_config
	repeated	OverrideLayerType	override_layer_types	重写某一类型层的量化配置，即对哪些层进行差异化量化。例如全局量化配置参数配置的量化因子搜索步长为0.01，可以通过该参数对部分层进行差异化量化，可以配置搜索步长为0.02。参数优先级：override_layer_configs>override_layer_types>common_config
	repeated	OverrideLayer	override_layer_configs	重写某一层的量化配置，即对哪些层进行差异化量化。例如全局量化配置参数配置的量化因子搜索步长为0.01，可以通过该参数对部分层进行差异化量化，可以配置搜索步长为0.02。参数优先级：override_layer_configs>override_layer_types>common_config
	optional	bool	do_fusion	是否开启BN融合功能，默认为true，表示开启该功能。
	repeated	string	skip_fusion_layers	跳过BN融合的层，配置之后这些层不会进行BN融合。
NuqConfig	-	-	-	非均匀量化配置。
	required	string	mapping_file	均匀量化后的deploy模型通过ATC工具转换得到的om模型，然后通过ATC工具转换得到json文件，即量化后模型的融合json文件。
	optional	NUQuantize	nuq_quantize	非均匀量化的参数。
OverrideLayerType	-	-	-	重置某层类型的量化配置。
	required	string	layer_type	支持量化的层类型的名字。
	required	CalibrationConfig	calibration_config	重置的量化配置。
OverrideLayer	-	-	-	重置某层量化配置。
	required	string	layer_name	被重置层的层名。
	required	CalibrationConfig	calibration_config	重置的量化配置。
CalibrationConfig	-	-	-	Calibration量化的配置。该配置下不建议配置nuq_quantize非均匀量化算法相关参数，否则可能会影响精度。
	-	ARQuantize	arq_quantize	权重量化算法配置。 arq_quantize：ARQ量化算法配置。
	-	NUQuantize	nuq_quantize	权重量化算法配置。 nuq_quantize：非均匀量化算法配置。
	-	FMRQuantize	ifmr_quantize	数据量化算法配置。 ifmr_quantize：IFMR量化算法配置。
	-	HFMGQuantize	hfmg_quantize	数据量化算法配置。 hfmg_quantize：HFMG量化算法配置。
		DMQBalancer	dmq_balancer	均衡量化算法配置。 dmq_balancer：DMQBalancer均衡算法配置。
ARQuantize	-	-	-	ARQ量化算法配置。算法介绍请参见ARQ权重量化算法。
ARQuantize	optional	bool	channel_wise	是否对每个channel采用不同的量化因子。
FMRQuantize	-	-	-	FMR数据量化算法配置。算法介绍请参见IFMR数据量化算法。该参数与HFMGQuantize参数不能同时配置。
	optional	float	search_range_start	量化因子搜索范围左边界。
	optional	float	search_range_end	量化因子搜索范围右边界。
	optional	float	search_step	量化因子搜索步长。
	optional	float	max_percentile	最大值搜索位置。
	optional	float	min_percentile	最小值搜索位置。
	optional	bool	asymmetric	是否进行对称量化。用于控制逐层量化算法的选择。 true：非对称量化 false：对称量化如果override_layer_configs、override_layer_types、common_config配置项都配置该参数，或者配置了 activation_offset参数，则生效优先级为： override_layer_configs>override_layer_types>common_config>activation_offset
HFMGQuantize	-	-	-	HFMG数据量化算法配置。算法介绍请参见HFMG数据量化算法。该参数与FMRQuantize参数不能同时配置。
	optional	uint32	num_of_bins	直方图的bin（直方图中的一个最小单位直方图形）数目，支持的范围为{1024, 2048, 4096, 8192}。默认值为4096。
	optional	bool	asymmetric	是否进行对称量化。用于控制逐层量化算法的选择。 true：非对称量化 false：对称量化如果override_layer_configs、override_layer_types、common_config配置项都配置该参数，或者配置了 activation_offset参数，则生效优先级为： override_layer_configs>override_layer_types>common_config>activation_offset
NUQuantize	-	-	-	非均匀量化参数。算法介绍请参见NUQ权重量化算法。
	optional	uint32	num_steps	非均匀量化的台阶数。
	optional	uint32	num_of_iteration	非均匀量化优化的迭代次数。
DMQBalancer	-	-	-	DMQ均衡算法配置。算法介绍请参见DMQ均衡算法。
DMQBalancer	optional	float	migration_strength	迁移强度，代表将activation数据上的量化难度迁移至weight权重的程度。支持的范围为[0.2, 0.8]，默认值0.5，数据分布的离群值越大迁移强度应设置较小。

基于该文件构造的均匀量化简易配置文件quant.cfg样例如下所示：

# global quantize parameter
batch_num : 2
activation_offset : true
skip_layers : "layer1.1.conv2"
skip_layer_types:"Conv2d"
do_fusion: true
skip_fusion_layers : "layer1.1.conv2"
common_config : {
    arq_quantize : {
        channel_wise : true
    }
    ifmr_quantize : {
        search_range_start : 0.7
        search_range_end : 1.3
        search_step : 0.01
        max_percentile : 0.999999
        min_percentile : 0.999999
        asymmetric : true
    }
     dmq_balancer : {
         migration_strength : 0.5
    }
}
 
override_layer_types : {
    layer_type : "Linear"
    calibration_config : {
        arq_quantize : {
            channel_wise : false
        }
        ifmr_quantize : {
            search_range_start : 0.8
            search_range_end : 1.2
            search_step : 0.02
            max_percentile : 0.999999
            min_percentile : 0.999999
            asymmetric : false
        }
         dmq_balancer : {
              migration_strength : 0.5
         }
    }
}
 
override_layer_configs : {
    layer_name : "layer1.2.conv2"
    calibration_config : {
        arq_quantize : {
            channel_wise : true
        }
        ifmr_quantize : {
            search_range_start : 0.8
            search_range_end : 1.2
            search_step : 0.02
            max_percentile : 0.999999
            min_percentile : 0.999999
              asymmetric : false
        }
         dmq_balancer : {
              migration_strength : 0.5
         }
    }
}

如果数据量化算法使用HFMG，则上述配置文件中加粗斜体部分可以替换成如下参考参数信息，举例如下（如下配置信息只是样例，请根据实际情况进行修改）：

# global quantize parameter
activation_offset : true
batch_num : 2
...
common_config : {
    hfmg_quantize : {
        num_of_bins : 4096
         asymmetric : false
    }
...
}

基于该文件构造的非均匀量化简易配置文件quant.cfg样例如下所示：

# global quantize parameter
activation_offset : true
batch_num : 2
nuq_config {
    mapping_file : "nuq_files/resnet101_quantized.json"
    nuq_quantize : {
        num_steps : 32
        num_of_iteration : 0
    }
}

common_config : {
    arq_quantize : {
        channel_wise : true
    }
    ifmr_quantize : {
        search_range_start : 0.7
        search_range_end : 1.3
        search_step : 0.01
        max_percentile : 0.999999
        min_percentile : 0.999999
         asymmetric : true
    }
}

override_layer_types : {
    layer_type : "Conv2d""
    calibration_config : {
        arq_quantize : {
            channel_wise : false
        }
        ifmr_quantize : {
            search_range_start : 0.7
            search_range_end : 1.3
            search_step : 0.01
            max_percentile : 0.999999
            min_percentile : 0.999999
             asymmetric : false
        }
    }
}

# global quantize parameter
activation_offset : true
batch_num : 2
...
common_config : {
    hfmg_quantize : {
        num_of_bins : 4096
         asymmetric : false
    }
...
}

基于该文件构造的量化数据均衡预处理简易配置文件dmq_balancer.cfg样例如下所示：

# global quantize parameter
batch_num : 2
activation_offset : true
skip_layers : "layer1.1.conv2"
skip_layer_types:"Conv2d"
do_fusion: true
skip_fusion_layers : "layer1.1.conv2"
common_config : {
    arq_quantize : {
        channel_wise : true
    }
    ifmr_quantize : {
        search_range_start : 0.7
        search_range_end : 1.3
        search_step : 0.01
        max_percentile : 0.999999
        min_percentile : 0.999999
        asymmetric : true
    }
     dmq_balancer : {
         migration_strength : 0.5
    }
}
 
override_layer_types : {
    layer_type : "Linear"
    calibration_config : {
        arq_quantize : {
            channel_wise : false
        }
        ifmr_quantize : {
            search_range_start : 0.8
            search_range_end : 1.2
            search_step : 0.02
            max_percentile : 0.999999
            min_percentile : 0.999999
            asymmetric : false
        }
       dmq_balancer : {
            migration_strength : 0.5
       }
    }
}
 
override_layer_configs : {
    layer_name : "layer1.2.conv2"
    calibration_config : {
        arq_quantize : {
            channel_wise : true
        }
        ifmr_quantize : {
            search_range_start : 0.8
            search_range_end : 1.2
            search_step : 0.02
            max_percentile : 0.999999
            min_percentile : 0.999999
              asymmetric : false
        }
       dmq_balancer : {
            migration_strength : 0.5
       }
    }
}

训练后量化简易配置文件说明