### *generate_quantization_table* 方法 ``` Calibrator.generate_quantization_table(model_proto, calib_dataset, pickle_file_path) ``` 生成量化表。 **实参** - **model_proto** _(ModelProto)_：一个 FP32 ONNX 模型。 - **calib_dataset** _(ndarray)_：用于计算阈值的校准数据集。数据集越大，生成量化表的时间越长。 - **pickle_file_path** _(string)_：存储量化参数的 pickle 文件路径。 帮我根据这个说明写一个示例

好的，以下是一个使用 `generate_quantization_table` 方法的示例代码：

import onnx
import numpy as np
from calibrator import Calibrator

# 加载 FP32 ONNX 模型
model_path = 'model.onnx'
model_proto = onnx.load(model_path)

# 加载校准数据集
calib_dataset_path = 'calib_dataset.npy'
calib_dataset = np.load(calib_dataset_path)

# 指定 pickle 文件路径
pickle_file_path = 'quantization_table.pickle'

# 创建 Calibrator 对象
calib = Calibrator()

# 生成量化表
calib.generate_quantization_table(model_proto, calib_dataset, pickle_file_path)

在这个示例中，我们首先使用 `onnx.load` 方法加载了一个 FP32 ONNX 模型。然后，我们使用 NumPy 的 `load` 方法加载了一个校准数据集。接下来，我们指定了一个 pickle 文件路径，用于存储生成的量化参数。然后，我们创建了一个 Calibrator 对象，并调用 `generate_quantization_table` 方法来生成量化表。

请注意，这只是一个示例代码，并不能保证完全符合您的实际需求。您可能需要根据您的具体情况进行一些修改和调整。