Create 6.部署进阶：推理端优化.md

零基础入门旷视天元MegEngine/6.部署进阶：推理端优化.md

+## 主题
+部署进阶：推理端优化
+## 讲师
+王鹏<br/>
+毕业于成都理工大学，旷视科技多摄算法研究员，方向为多视图三维重建与深度学习融合，参与实时预览虚化，光学变焦，超广角畸变，单目深度估计等多个项目的研发与落地。
+## 概要
+了解模型量化基本原理，介绍 MegEngine 框架中模型量化方案，量化相关的模块和使用方法。<br/>
+以网络模型ShuffleNet V2为例, 实例讲解使用MegEngine进行模型量化的流程。<br/>
+1. 概述<br/>
+2. 量化方法介绍<br/>
+3. 实例讲解<br/>
+
+## 资料
+课件：[6.部署进阶：推理端优化.pdf](./slides/6.部署进阶：推理端优化署.pdf)<br/>
+code：[6.部署进阶：推理端优化.ipynb](./notebooks/6.部署进阶：推理端优化.ipynb)<br/>
+
+## 视频地址
+https://www.bilibili.com/video/BV1uy4y1y7S6
+
+## 作业
+
+- 了解MegEngine框架下量化原理<br/>
+- 利用MegEngine框架修改Shufflenet_v2模型为可量化模型<br/>
+- 使用train.py、finetune.py 和inference.py 验证量化模型是否修改成功。<br/>
+
+### 如何提交
+
+将修改后的模型py文件, 量化后的模型size及个人信息发送到邮箱：mgesupport@megvii.com
+
+**邮件标题：** 天元入门第六次课程作业
+
+**邮件内容**
+
+* 截图
+* 姓名：
+* 学校（公司）：
+* 电话：
+* 邮寄地址：
+