欢迎关注我的公众号 [极智视界]，获取我的更多经验分享
大家好，我是极智视界，本文来介绍一下 解读深度学习PTQ后量化算法系列。
邀您加入我的知识星球「极智视界」，星球内有超多好玩的项目实战源码下载，链接：t.zsxq.com/0aiNxERDq
之前陆续输出过一些 PTQ 后量化算法的讲解分享，会涉及十余篇，这里进行一个系列汇总，方便系统地展现给同样对模型小型化感兴趣的朋友。
一般所说的量化算法主要包括后量化 (PTQ) 和 量化感知训练 (QAT) ，对于工程部署来说，PTQ 往往会是首选，这是因为它的高效 (训练部署解耦)、简单，但是当部署要求提高的时候，比如要求量化误差更加小、比如要求要更低比特的量化时，那就要倾向推 QAT 了。
由于之前我输出的量化算法解读，大部分还是属于面向高效部署的 PTQ 量化，所以这里主要是 PTQ 量化算法的系列汇总。当然，你如果是对 QAT 感兴趣的话，我也写过一篇关于 QAT "导论般" 的介绍文章可供参考《极智AI | 谈谈几种量化感知训练算法》， "不深" 但也能 "宏观把控" 一下。
一定要注意哈，这个量化可不是金融范畴的量化交易，讲个笑话，我之前写量化分享比较多，就有做金融的读者联系我，邀请我参加什么活动，我一看是什么金融量化交易，直接给我整不会了。
回到正题，我的量化算法解读分享涉及较多，比较自成体系主要是两个，一个是结合 Tengine 的量化算法讲解 (虽然大家喜爱的 Tengine 圈圈虫老师已经投奔其他 "爱巢")，另外一个是结合昇腾 CANN 来介绍 CANN 中的量化实现。
(1) 结合 Tengine 的量化算法解读
- Min-Max 量化算法实现 => 《量化实现分享一：详解 min-max 对称量化算法实现》；
- KL 对称量化算法实现 => 《量化实现分享二：详解 KL 对称量化算法实现》；
- ACIQ 对称量化算法实现 => 《量化实现分享三：详解 ACIQ 对称量化算法实现》；
- 高通 DFQ 量化算法实现 => 《量化实现分享四：Data-Free Quantization 香不香？详解高通 DFQ 量化算法实现》；
- 格灵深瞳 EQ 量化算法实现 => 《量化实现分享五：详解格灵深瞳 EQ 量化算法实现》；
(2) 结合昇腾 CANN 的量化实现
- 谈谈昇腾 CANN 量化 => 《极智AI | 谈谈昇腾CANN量化》；
- 再谈昇腾 CANN 量化 => 《极智AI | 再谈昇腾CANN量化》；
- 三谈昇腾 CANN 量化 => 《极智AI | 三谈昇腾CANN量化》；
另外还有一些稍微 "杂" 一些的关于量化加速的技术分享，也一并进行了整理展示。
- 谈谈几种量化策略 => 《谈谈几种量化策略：MinMax、KLD、ADMM、EQ》；
- 谈谈量化能加速的原因 => 《谈谈为什么量化能加速推理》；
- 谈谈量化组织方式 => 《谈谈模型量化组织方式》；
- 谈谈非线性激活函数的量化方式 => 《谈谈非线性激活函数的量化方式》；
好了，以上分享了 解读深度学习PTQ后量化算法系列，希望我的分享能对你的学习有一点帮助。
【公众号传送】
畅享人工智能的科技魅力，让好玩的AI项目不难玩。邀请您加入我的知识星球， 星球内我精心整备了大量好玩的AI项目，皆以工程源码形式开放使用，涵盖人脸、检测、分割、多模态、AIGC、自动驾驶、工业等。一定会对你学习有所帮助，也一定非常好玩，并持续更新更加有趣的项目。 t.zsxq.com/0aiNxERDq
