Created by: justinmeibi

Q1：slim/quantization 下有train.py，eval.py，export_model.py，infer.py，yolo_v3_darknet 量化训练时，激活函数量化8bit ,采用moving_average_abs_max，权重量化7bit,采用channel_wise_abs_max。模型训练阶段评估指标为82%map。这时候的评估（82%map）是是否插入了fake_quan_max_abs？feature map 的量化参数和反量化番薯是固定在模型中了还是根据feature_map动态获取？ Q2：如果将conv的input 和weight 采用量化后的int8做卷积，经过bn ,lrelu ，再乘以scale，将数据还原到8bit ,继续重复卷积，最终的输出是不是和quant_aware的模型精度保持一致？ Q3：train.py完成后会生成模型的ckpt。保存的参数中包含每层权重，bn。还有image.scale 不同的检查点这个数据大约都是3.5-4.5之间这个数据是怎么来的？add_tmp.scale，concat_tmp.scale，lrelu_tmp.scale。这些参数是什么？ Q4：量化后的模型跑slim/quantization/eval.py map为0，slim/quantization/infer.py 没有目标。跑tools下的eval.py map为69%，infer.py 有目标，但是应该是map69%的那个那个数据流方式做的推断。怎么样才能跑出训练阶段的 map81%? Q5：如何获取指定中间某节点的输出结果？网络结果到detection最终的box 和score 这一过程是否和tf,torch的计算步骤一致？ Q6：训练阶段数据做了很多数据增强，但是做推断的时候直接im/255.，这样会不会掉精度？ Q7：量化的模型可以转到tf 的pb 模型解析吗，是否有对应的工具 或者 转换规则？