ULQ量化算法

该算法用于量化感知训练场景。

ULQ（Universal Linear Quantization）算法在训练过程中不断训练量化因子，以减少量化损失。该算法初始化时会对数值做量化（包含截断），对初始化敏感。该算法分为ULQ数据量化算法和ULQ权重量化算法，用户需要通过分别设置量化配置中的ActULQquantize与WtsULQRetrain（参数解释请参见表1）来控制数据和权重的量化算法。

• clip_max_min为初始化的截断范围，clip_min为截断下限，clip_max为截断上限，可根据数据的范围来设置，不设置则使用AMCT自带的默认方式初始化。
• fixed_min表示在训练过程中，是否将截断下限设置为0。例如，当量化层的前一层是ReLu层，则数据范围为[0, +inf]，此场景下数据量化可以设置fixed_min为true，表示截断下限始终为0。该配置仅适用于ULQ数据量化算法。