复现后发现模型大小并没有减小 about micronet HOT 8 OPEN

这个训练量化程序保存的模型参数形式是正常的浮点，但在训练过程中模拟了量化过程，即保存的这个参数其实已经是量化了的。可以再用个脚本提取参数（运行训练量化程序中的量化部分）来变成量化形式，8bits变为[0, 255]的整数，三值/二值变为+-1、0，可用于终端部署。WbWtAb-bn_merge-bn_merge.py中就做了这个参数提取，可以参考

from micronet.

这个训练量化程序保存的模型参数形式是正常的浮点，但在训练过程中模拟了量化过程，即保存的这个参数其实已经是量化了的。可以再用个脚本提取参数（运行训练量化程序中的量化部分）来变成量化形式，8bits变为[0, 255]的整数，三值/二值变为+-1、0，可用于终端部署。WbWtAb-bn_merge-bn_merge.py中就做了这个参数提取，可以参考

我是可以理解成量化操作最后数值是量化后的数值，但是保存方式是浮点型。现在torch官方支持qint8类型，三值、二值是不是难以工程部署使用。

from micronet.

@Greyman-Seu, @666DZY666 ， 并没有看到WbWtAb/bn_merge/bn_merge.py呀
大神我刚试了bn_folding.py, 但是model.pth和quan_model_para.pth都是2.4M，还是没有减小

from micronet.

@666DZY666 大佬你好，bnfuse的pth读取后内部仍是浮点型，没有变成整数，请问是需要不同的操作吗

from micronet.

请问问怎么让这个·pth文件变小呢

from micronet.

如果要实现变成整数的weight和bias，是否可以按照量化公式，用pth中的scale，zero_point来得到量化中间值呢？

from micronet.

from micronet.

@666DZY666 @tengshaofeng @Greyman-Seu @Icey-Liu @YangNuoCheng 麻烦问下，怎么将通过二值权重和特征方式训练的模型保存为二值的模型呢？现在保存的还是浮点型的，模型的大小未发生变化，
参照bn_fuse.py中的处理，处理之后保存的模型依然是浮点型的；
用的网络是nin.py的结构，麻烦问下要怎么转换为二值的呢？

from micronet.