6.1. 简介

地平线算法工具链是基于地平线智能处理器研发的算法解决方案，可以帮助您把浮点模型量化为定点模型， 并在地平线智能处理器上快速部署自研算法模型。

目前在GPU上训练的模型大部分都是浮点模型，即参数使用的是float类型存储；地平线BPU架构的智能处理器使用的是 INT8 的计算精度（业内智能处理器的通用精度），只能运行定点量化模型。从训练出的浮点模型转为定点模型的过程，我们叫做量化，依据是否要对量化后的参数进行调整，我们可以将量化方法分为QAT（Quantification Aware Training）量化感知训练和PTQ（Post-Training Quantization）训练后量化。

地平线算法工具链主要使用的是训练后量化PTQ方法，只需使用一批校准数据对训练好的浮点模型进行校准, 将训练过的FP32网络直接转换为定点计算的网络，此过程中无需对原始浮点模型进行任何训练，只对几个超参数调整就可完成量化过程, 整个过程简单快速, 目前在端侧和云侧场景已得到广泛应用。

6.1.1. 使用注意事项

本章节适用于使用地平线X3处理器的开发者，用于介绍地平线算法工具链的一些使用注意事项。

浮点模型(FP32)注意事项

• 支持 caffe 1.0版本的caffe浮点模型 和 ir_version≤7 、 opset10、opset11 版本的onnx浮点模型量化成地平线支持的定点模型；

• 其他框架训练的浮点模型需要先导出第1点要求符合版本的onnx浮点模型后，才能进行量化；

• 模型输入维度只支持 固定4维 输入NCHW或NHWC（N维度只能为1），例如：1x3x224x224或1x224x224x3， 不支持动态维度及非4维输入；

• 浮点模型中不要包含有 后处理算子, 例如：nms计算。

模型算子列表说明

• 目前提供了X3可支持的所有Caffe和ONNX算子情况，其他未列出的算子因 X3 bpu硬件限制，暂不支持。具体算子支持列表，请参考 模型算子支持列表 章节内容。