量化

• 量化支持
  • 设备和算子支持
  • 小结
• 量化菜谱
  • 使用预先训练的量化网络
  • 后训练动态量化
  • 后训练静态量化
  • 量化感知训练（QAT）
• 量化张量
  • 创建量化张量
  • 量化张量的运算
  • 检查量化张量
  • 量化的算子/内核
  • 量化模型
• 快速上手
  • 基础
    • 映射函数
    • 量化参数
    • 校准
    • 仿射和对称量化方案
    • 逐张量和逐通道量化方案
    • 后端引擎
    • QConfig
    • 在 PyTorch 中
    • 敏感性分析
    • 对您工作流程的建议
  • Pytorch 数值套件教程
    • 数值套件之静态量化
    • Numeric Suite 之动态量化
    • 结论
• 学习
  • 概述
    • API 概述
  • 迁移学习
    • 计算机视觉分类
    • 量化计算机视觉分类
    • 自定义
    • 测试
    • TVM
  • 高级教程
    • 自定义量化
    • 通用量化模型
    • QAT
    • 特定于 cifar10 的量化（待更）
  • QAT（resnet18）
  • 测试 QAT
  • 回收站
• 论文
  • A Survey of Quantization Methods for Efficient Neural Network Inference
    • 不同的设计方法
    • 量化简介
    • 量化基本概念
• 量化 API
  • runner
    • runner.Timer
    • runner.Accumulator
    • runner.Animator
    • runner.show_images
  • xinet
    • xinet.ModuleTool
    • xinet.CV
    • xinet.Fx
    • xinet.try_all_gpus
    • xinet.try_gpu
  • NN 模块
    • mobile_net.MobileNetV2
  • 辅助工具
    • helper.accuracy
    • helper.evaluate
    • helper.load_model
    • helper.print_size_of_model
    • helper.AverageMeter
  • 工具
    • tools.train_model

上一页

扩展 PyTorch

下一页

量化支持