均匀量化

均匀量化是指量化后的数据比较均匀地分布在某个数值空间中，例如INT8量化就是用只有8比特的INT8数据来表示32比特的FP32数据或16比特的FP16数据，将FP32/FP16的卷积运算过程（乘加运算）转换为INT8的卷积运算，加速运算和实现模型压缩；均匀的INT8量化则是量化后数据比较均匀地分布在INT8的数值空间[-128, 127]中。量化示例请参见获取更多样例>resnet101。

如果均匀量化后的模型精度无法满足要求，则需要进行量化感知训练。均匀量化支持量化的层以及约束如下：

接口调用流程

均匀量化接口调用流程如图1所示。

图1 均匀量化接口调用流程

蓝色部分为用户实现，灰色部分为用户调用AMCT提供的API实现，工具使用分为如下场景：

1. 用户首先构造PyTorch的原始模型，然后使用create_quant_config生成量化配置文件。
2. 根据PyTorch模型和量化配置文件，即可调用quantize_model接口对原始PyTorch模型进行优化，优化后的PyTorch模型中包含了量化算法。
3. 使用校准集在PyTorch环境下执行前向推理，产生量化因子，并将量化因子输出到文件中。
4. 最后用户可以调用save_model接口保存量化后的模型，包括可在ONNX执行框架ONNX Runtime环境中进行精度仿真的模型文件和可部署在昇腾AI处理器的模型文件。