原文链接
参考链接

量化的基本公式

对称均匀量化（symmetric uniform quantization）

对称量化将零点z限制为真实的0。注意对称均匀量化并不是关于零点对称。它还分为有符号和无符号。

signed量化公式

signed量化范围

8bit量化范围[-128, 127]

signed缩放系数

### signed零点计算方法
Z = 0

unsigned 量化公式

unsigned量化范围

8bit的量化范围[0,255]

unsigned缩放系数计算方法

### unsigned零点计算方法
Z = 0

反量化公式

非对称量化（Asymmetric uniform quantization）

即均匀仿射量化（uniform affine quantization）。

非对称量化公式

非堆成量化范围

[-128, 127] for signed
[0, 255] for unsigned

缩放系数

零点公式

Z = Qmax - round(rmax/S)

反量化公式

2、量化的误差来源有哪些

3、既然有误差，那为何某些业务对误差不敏感，有的又非常敏感

4、量化信息是插入tensor还是op，或者是两者都要

5、ptq量化的基本流程

6、ptq和qat的简单区别

7、常说的per tensor和per channel，对于conv2d的weight来说具体有什么区别

8、量化里常说的fake quant大概是在干什么

9、对于qat来说，fake quant在训练和推理时有什么区别

10、对称非对称，有无符号等量化选择，对于conv2d的3个输入来说一般各自采用哪种组合

11、requant的基本计算逻辑和作用

12、混合精度的基本计算逻辑

13、量化中有哪些op通常需要特殊处理

14、对于conv2d来说，multiplier，shift如何推理出来的

15、对于conv2d来说，采用multiplier，shift计算时，对bias的scale有特殊要求吗

16、对称量化时我们统计出来的浮点范围，为何要限制min≤0，max≥0

17、常见的阈值搜索方法

8bit量化带符号时，q_min选-128和-127的有区别吗

论文
来源
这里有个 Trick，即对于权重是量化到[−127,127]，这是为了累加的时候减少溢出的风险。

因为 8bit 的取值区间是[-2^7, 2^7 -1]，两个 8bit 相乘之后取值区间是 (-2^14,214]，累加两次就到了(-2^15，215]，所以最多只能累加两次而且第二次也有溢出风险，比如相邻两次乘法结果都恰好是2^14会超过215-1（int16 正数可表示的最大值）。

所以把量化之后的权值限制在（-127,127）之间，那么一次乘法运算得到结果永远会小于-128*-128 = 2^14。

19、为什么有的模型会出现中间量化误差大，后续量化误差又减少的情况

20、余弦度量在衡量量化误差上有什么优缺点