使用NCNN的INT8量化方式进行推理

本文以NCNN框架为例，实践量化在推理中的巨大作用，加深对神经网络量化的理解。NCNN当前版本只支对称量化，下面以INT8精度为例介绍NCNN的量化使用方式：

编译NCNN

mkdir build && cd build && cmake ../

进入到build/tools/darknet目录，将来源于darknet的模型文件和权重文件拷贝一份到这里：

wget -c https://github.com/AlexeyAB/darknet/releases/download/darknet_yolo_v4_pre/yolov4-tiny.weights

转换过程如下：

./darknet2ncnn ./yolov4-tiny.cfg ./yolov4-tiny.weights

优化：

./ncnnoptimize /home/czl/ncnn/ncnn/build/tools/darknet/ncnn.param /home/czl/ncnn/ncnn/build/tools/darknet/ncnn.bin yolov4-tiny-opt.param yolov4-tiny-opt.bin 0

同时，也可以得到MAC算力信息：

生成的优化过的模型如下：

检测实战，未优化的模型推理结果：

优化后的模型推理结果：

这里的yolov4其实就是yolov4-tiny,程序中是可以选择：

下载量化校准表图片

下载官方给出的1000张ImageNet图像，很多同学没有梯子，下载慢，可以用下这个链接：