模型量化概述 | 模型量化原理 | 量化训练使用方法和示例 | 训练后量化使用方法和示例

--- 模型量化是使用更少的比特数表示神经网络的权重和激活的方法，具有加快推理速度、减小存储大小、降低功耗等优点。目前，模型量化主要分为量化训练（Quantization Aware Training）和训练后量化（Post Training Quantization）。量化训练是在训练过程中对量化进行建模以确定量化参数，具有为复杂模型提供更高的精度的优点。训练后量化是基于采样数据，采用KL散度等方法计算量化比例因子的方法。它具有无需重新训练、快速获得量化模型的方法。模型量化的原理和Low-Level API使用方法可以参考如下文档： * [模型量化原理](../docs/tutorial.md) * [量化训练Low-Level API使用方法和示例](./quantization_aware_training.md) * [训练后量化Low-Level API使用方法和示例](./post_training_quantization.md)