基于pytorch的模型剪枝+模型量化+BN合并+TRT部署（cifar数据）
Posted 踟蹰横渡口,彳亍上滩舟。
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了基于pytorch的模型剪枝+模型量化+BN合并+TRT部署（cifar数据）相关的知识，希望对你有一定的参考价值。
相关代码下载地址：下载地址
压缩
- 量化：High-Bit(>2b): QAT, PTQ, QAFT; Low-Bit(≤2b)/Ternary and Binary: QAT
- 剪枝：正常、规整和分组卷积结构剪枝
- 针对特征(A)二值量化的BN融合(训练量化后，BN参数 —> conv的偏置b)
- High-Bit量化的BN融合(训练量化中，先融合再量化，融合：BN参数 —> conv的权重w和偏置b)
部署
- TensorRT(fp32/fp16/int8(ptq-calibration)、op-adapt(upsample)、dynamic_shape等)
环境要求
- python >= 3.5
- torch >= 1.1.0
- torchvison >= 0.3.0
- numpy
- onnx == 1.6.0
- tensorrt == 7.0
以上是关于基于pytorch的模型剪枝+模型量化+BN合并+TRT部署（cifar数据）的主要内容，如果未能解决你的问题，请参考以下文章
基于pytorch的模型剪枝+模型量化+BN合并+TRT部署（cifar数据）
基于pytorch的模型剪枝+模型量化+BN合并+TRT部署（cifar数据）