pth模型文件转为onnx，并利用magik进行量化

1. 在train.py中进行模型训练，导出为pth

2. 在infer.py->predict.py中的predict函数中，加载模型之后进行torch.onnx.export()

但注意，因为在量化时需要校准文件，所以需要将一部分wav文件读取特征后转化为bin文件，但需要注意wav文件的尺寸，此处设置的[1,398,80]是4s的文件

转化bin文件是通过

feature_np.tofile("data.bin")

3. 通过修改magik.cfg中的input，修改模型input入口，注意是此处应是batchnorm层的output

通过指定bin文件目录，可以修改参与校准的bin文件。也就是修改QUANT_DATASET_PATH和DEBUG_PATH

4. 通过vim修改post_quantizie.sh，将所需要的量化的模型作为参数传入，之后执行

./post_quantize.sh