BEVFormer QAT/PTQ量化示例
bevformer-QAT-PTQ.zip 的量化流程还挺清晰的，尤其适合你要在部署前快速评估模型精度的时候用。压缩包里把QAT（训练时量化）和PTQ（后训练量化）都得比较完整，而且分得清楚，方便上手。
torch 量化那一套其实蛮绕的，尤其是 QAT，你要 observer、fake quant 之类的东西，不熟练的话容易踩坑。这个资源给的例子就挺实用，尤其配合地平线，torch qat 调试这篇文章，基本能跑通整套流程。
你要是对部署精度有要求，想提前把精度损失估计一下，这包里的PTQ 流程也还不错。结合horizon_qat_example，能看出怎么在实际硬件环境里调校 QAT 效果。
对了，建议你把模型换成自己的再跑一遍，看看效果差异，别直接拿 demo 模型当参考。还有，一些脚本里路径写得比较死，自己手动改下。
如果你最近在研究模型量化、部署优化，可以下载bevformer-QAT-PTQ.zip玩玩，跑通一次就会感觉清晰多。
文件大小：293.55MB
评论区