训练后量化（Post-training Quantization，PTQ）是一种常见的模型量化技术，它在模型训练完成之后应用，旨在减少模型的大小和提高推理速度，同时尽量保持模型的性能。训练后量化对于部署到资源受限的设备上，如移动设备和嵌入式设备，特别有用。
在我们量化时，量化操作可以应用于模型的输入、权重 和 激活（即神经元输出值）上。
但我们发现，对于激活值，我们执行反量化时，并不知道这些激活值对应的浮点数矩阵的最大值和最小值，即我们执行非对称或对称量化里面的
标签：model,代码,torch,print,量化,net,self,PTQ From： https://blog.csdn.net/weixin_45116099/article/details/136685937