pytorch 量化感知

在PyTorch中，量化感知是指通过使用观察器(Observer)对模型的激活值进行校准和量化的过程。通过量化感知，可以将浮点数的激活值转换为定点数，从而实现模型的量化和压缩，以减少内存占用和计算成本。

在PyTorch中，可以使用不同的方案来初始化观察器。可以指定仿射或对称方案，但并非所有的观察器都支持这两种方案。可以通过传入qscheme参数来指定方案。例如，在初始化MovingAverageMinMaxObserver时，可以使用torch.per_tensor_affine或torch.per_tensor_symmetric作为qscheme参数。<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* *2* *3* [PyTorch QAT（量化感知训练）实践——基础篇](https://blog.csdn.net/ywcpig/article/details/125978635)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 100%"]
[ .reference_list ]