Pytorch量化感知训练

参考博客：Pytorch量化感知训练

• 量化感知训练（Quantization Aware Training）是在模型中插入伪量化模块（fake_quant module）模拟量化模型在推理过程中进行的舍入（rounding）和钳位（clamping）操作，从而在训练过程中提高模型对量化效应的适应能力，获得更高的量化模型精度 。

• 在这个过程中，所有计算（包括模型正反向传播计算和伪量化节点计算）都是以浮点计算实现的，在训练完成后才量化为真正的int8模型。

• Pytorch官方从1.3版本开始提供量化感知训练API，只需修改少量代码即可实现量化感知训练。

Step1：修改模型

• 在模型输入前加入QuantStub()，在模型输出后加入DeQuantStub()。目的是将输入从float32量化为int8，将输出从int8反量化为float32。

##############################
# Part1：插入节点
##############################