基于pytorch的模型剪枝+模型量化+BN合并+TRT部署（cifar数据）（1）

相关代码下载地址：下载地址

量化：High-Bit(>2b): QAT, PTQ, QAFT; Low-Bit(≤2b)/Ternary and Binary: QAT 剪枝：正常、规整和分组卷积结构剪枝 针对特征(A)二值量化的BN融合(训练量化后，BN参数 —> conv的偏置b) High-Bit量化的BN融合(训练量化中，先融合再量化，融合：BN参数 —> conv的权重w和偏置b) 部署

TensorRT(fp32/fp16/int8(ptq-calibration)、op-adapt(upsample)、dynamic_shape等) 环境要求

python >= 3.5 torch >= 1.1.0 torchvison >= 0.3.0 numpy onnx == 1.6.0 tensorrt == 7.0