浮点模型准备

S100工具链支持您通过PTQ（训练后量化）或者QAT（量化感知训练）的方式对模型进行量化，两条链路对浮点模型的输入要求不同，如下所示：

PTQ链路：支持包括Caffe、Pytorch、TensorFlow、PaddlePaddle等常见DL框架，其中Caffe框架直接支持，其他框架需转为ONNX模型进行支持，ONNX模型需满足opset10-19的版本要求。PTQ链路的详细介绍可参考训练后量化（PTQ）章节。

注意

对于Caffe模型，您需先完成模型浮点精度的评测以确保模型的权重及结构正确。
对于ONNX模型，您需先使用HBRuntime进行推理，验证ONNX模型和原DL框架模型推理结果一致（即验证模型合法性）。

QAT链路：我们提供了插件，能够直接对Pytorch导出的torch module进行转换编译支持，对于导出的torch module您可先完成模型浮点精度的评测以确保模型的权重及结构正确。QAT链路的详细介绍可参考量化感知训练（QAT）章节。