关于量化原理的思考

模型部署过程中遇到问题最多的是量化环节，最复杂的，也是量化。我接触神经网络的时间不算长，接触量化就更短了，但是从第一次了解量化这个概念起，就有一个问题深深的困扰着我，简单描述如下。

首先描述一下我对量化的认知:

1. 量化是个访射变换，将x变换为 px+q, y量化为mx+n.
2. 在n,q不为0的情况下，量化后的数据如何反量化回去呢？看公式，根据量化得到的二次式反推xy是很困难的，总会有一次项存在.
3. 量化类似于给视频打码，只要不是全屏马赛克，经历过青春期训练的你是一定能脑补出细节来的.

已经同时请教了四位算法专家，等候答复中。。。。。

附：

参考NCNN的量化逻辑，它是对称量化，比较好做

这张图有个地方应该是画错了：

流程图：

类比概念-原子量

原子量即相对原子质量，它是一种计算原子质量的方式，由于原子的实际质量很小，如果人们用它们的实际质量来计算的话那就非常的麻烦，例如一个氢原子的实际质量为1.674×10⁻²⁷千克，一个氧原子的质量为2.657×10⁻²⁶千克。一个碳-12原子的质量为1.993×10⁻²⁶千克。元素的相对原子质量是其各种同位素相对原子质量的加权平均值。利用原子量进行计算，相当于分子分母都乘以相同的数字，结果不变。

---

结束！