【量化】连续卷积层首尾量化的可行性

暮暮冬Z羡慕的博客 forcheetah.github.io 2025/01/03

# 前言 本篇文章探讨一下连续卷积层首尾量化的可行性。连续卷积指的是神经网络模型中接连出现若干个卷积 layer，中间没有 pooling、FC 等其他 layer；首尾量化指的是只在首端量化，仅在尾端反量化，中间不添加量化反量化操作。探索连续卷积层首尾量化的可行性，目的是试图降低每一层都进行繁杂的量化反量化运算的时间消耗。在上一篇文章 【推理引擎】NCNN 和 Tengine 量化推理逻辑对比 …