文档摘要

第5章 · 量化与压缩 章节摘要：ORT Quantization 在图级插入 Q/DQ 节点，支持 PTQ 与 QAT，配合 TensorRT/CPU/DML EP 的 INT8/FP16 kernel。量化是精度与带宽的契约重签，不是简单「改 dtype」。 本章要解决的问题 模型部署的最后一道关口是"瘦身提速"：带宽减半、显存减半、吞吐翻倍，但精度不能掉出业务红线。 会员。《第5章 · 量化与压缩》收录于灏天文库文集《ONNX运行时架构》，原作者/来源：灏天文库，整理自「灏天文库」，提供技术教程、实践指南与问题解决方案，支持在线阅读、全文检索与知识沉淀，助力开发者系统化学习。本站整理收录，版权归原作者/开源协议所有。

该文档为会员专享，请先登录或注册后再查看

登录 注册

---

作者与出处

原作者： 灏天文库

来源：灏天文库

原文： https://aiknowledge.cn/collection/762-onnx%E8%BF%90%E8%A1%8C%E6%97%B6%E6%9E%B6%E6%9E%84

整理： 灏天文库整理

由灏天文库平台收录，内容或由平台用户上传，仅供学习交流