4.1.1.1 基础量化：INT8 静态与动态量化

文档摘要

4.1.1.1 基础量化：INT8 静态与动态量化当校准数据“说谎”时：INT8静态量化中校准集偏差引发的精度雪崩与三步根因定位法你有没有遇到过这样的场景？模型在FP32下验证集准确率92.3%，用PyTorch自带的走完流程，校准1000张ImageNet子集，导出INT8 ONNX，部署到边缘芯片——推理结果却集体偏移：猫被识别成狗的概率暴涨47%，而所有量化感知训练（QAT）前的指标都“绿得发亮”：weight observer统计的scale值稳定、activation histogram分布光滑、per-channel quantization的channel-wise min/max差异小于0.8%……一切看起来天衣无缝。