1 简介

• PTQ：Post-training Quantization，训练后量化，指浮点模型训练完成后，基于一些校准数据，直接通过工具进行模型量化的过程，相比QAT，PTQ更简单一些。

• QAT：Quantization aware training，量化感知训练，指浮点模型训练完成后，在模型中插入伪量化节点再进行量化训练的过程，相比PTQ，QAT精度更有保障一些。

地平线为PTQ和QAT这两种量化方案都提供了本地手动安装和Docker容器两种方式，推荐大家优先选择简单易用的Docker，关于Docker的环境部署，欢迎参考用户手册Docker镜像环境部署。
当然，为了方便一些不能使用地平线提供的Docker的用户，本文将介绍在不影响本地全局Python环境的情况下，进行地平线QAT环境安装。本文将以Linux系统为基础介绍QAT本地环境部署的流程，使用到的依赖均为Python3.8的依赖。。

2 conda环境创建与使用

2.1 创建python虚拟环境

2.2 conda虚拟环境激活与关闭

3 安装QAT所需依赖

实现地平线QAT功能只需要手动安装4个whl包，分别是horizon_plugin_pytorch.whl、hbdk.whl、torch.whl、torchvision.whl，前2个是地平线开发的，这4个whl包大家都可以从地平线工具链开发包OpenExplorer中ddk/package/host/ai_toolchain目录下获取到。

本文以horizon_j5_open_explorer_v1.1.45-py38_20230323为例进行介绍，需要手动安装的4个whl包信息如下：

注意Python版本要对应

顺序执行以下指令进行安装：

安装完成后，可以在命令行输入以下命令，若打印如下信息，说明环境已安装完成：