量化概述
量化方法的目的就是使用 8 位或 16 位的整型数来替代浮点数，这种方法试图利用定点点积来替代浮点点积，这很大程度上降低了神经网络在无硬浮点设备上的运算开销。
深度神经网络的量化技术主要可以分为两类：完成训练后量化和训练时量化。与训练后量化类的技术相比，训练时进行量化类的技术可量化权重、激活值和梯度，以获得体积相对更小且计算更简洁的网络，但也需要完整的数据样本以训练和量化深度神经网络。权重、激活值和梯度对量化的敏感度依次递增，其中梯度可以量化至4bits而不明显影响网络的精度，全网络的所有参数都被量化为8bits时网络几乎不会有明显的精度损失。
参考：
小改进大用途——量化方法在神经网络中的应https://zhuanlan.zhihu.com/p/38328685
神经网络量化简介https://jackwish.net/neural-network-quantization-introduction-chn.html
神经网络模型量化论文小结https://blog.csdn.net/u012101561/article/details/80868352
ICLR 2019论文解读：量化神经网络https://cloud.tencent.com/developer/article/1449043
模型压缩概述
对于模型压缩这一块的方法大致可以分为：低秩近似（low-rank Approximation），网络剪枝（network pruning），网络量化（network quantization），知识蒸馏（knowledge distillation）和紧凑网络设计（compact Network design）。
前三种方法都是致力于将权重矩阵变得更稀疏，以此来减小计算和存储的开销。后两种方法往往是需要对网络结构有较大的改动，也需要对神经网络的更深层原理有一定的认识才能进行更好的压缩。
（1）Low-Rank低秩分解：通过SVD奇异值分解等矩阵分析方法可以有效减少矩阵运算的计算量
（2）网络剪枝（network pruning）:将权重矩阵中相对“不重要”的权值剔除，然后再重新fine tune 网络进行微调。
使用pytorch进行网络修剪https://www.lizenghai.com/archives/27828.html
（3）网络量化（Network Quantization）：最为典型就是二值网络、XNOR网络等。其主要原理就是采用1bit对网络的输入、权重、响应进行编码。减少模型大小的同时，原始网络的卷积操作可以被bit-wise运算代替，极大提升了模型的速度。
（4）知识蒸馏（knowledge distillation）：采用的是迁移学习，通过采用预先训练好的复杂模型（Teacher model）的输出作为监督信号去训练另外一个简单的网络。
（5）紧致网络设计：直接设计又小又快又好的网络
参考：
深度神经网络加速和压缩新进展年度报http://www.sohu.com/a/232047203_473283
模型压缩总览https://www.jianshu.com/p/e73851f32c9f
Pytorch模型压缩
1.Distiller
Distiller 官方文档：https://nervanasystems.github.io/distiller/index.html
用 Distiller 压缩 PyTorch 模型：https://www.pytorchtutorial.com/distiller-compress-pytorch-model/
-
量化（Experimental）
官方文档：https://pytorch.org/docs/master/quantization.html#
训练后动态量化（post-training dynamic quantization）、训练后静态量化（static post training quantization）、训练中量化（quantization aware training）