yuanmenghao

本文档分析了Horizon QAT量化训练工具中fx_mode.py的工作流程。主要分为三个阶段：1)参数解析阶段处理用户输入的命令行参数；2)模型准备阶段根据stage参数创建MobileNetV2模型并加载ImageNet预训练权重；3)训练执行阶段准备CIFAR-10数据集并进行30个epoch的训练循环。文档详细展示了各阶段的执行流程，包括核心模块调用关系、数据预处理步骤和训练评估循环。通过流程图和模块清单，清晰呈现了从模型初始化到完整训练的全过程，为理解和使用该量化训练工具提供了详细指导。

本指南介绍基于Horizon OpenExplorer平台的量化感知训练(QAT)完整流程，包含从浮点模型到部署模型的转换过程。主要内容包括：浮点模型训练、QAT训练、HBIR中间表示导出和HBM模型编译四个关键步骤，以及各阶段输出的模型格式特点。特别对比了QAT与PTQ两种量化方法的差异，并详细解释了INT8量化原理、量化参数(scale/zero point)等核心概念。通过MobileNetV2在CIFAR-10上的实验表明，QAT方法能有效保持模型精度，最终HBM模型体积压缩70%，推理速度达11,