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。

两套量化方案的配套环境，地平线提供了本地手动安装和docker两种方式，推荐大家优先选择简单易用的docker(同时支持PTQ和QAT)，关于docker的环境部署，欢迎查看另外一篇文章：docker镜像环境部署。
当然，为了方便一些用户不愿或不能使用docker，我们通过这篇文章来详细介绍如何在不使用docker又不污染本地全局Python环境的情况下，进行地平线本地PTQ环境安装，关于QAT环境本地安装请见另外一篇文章：地平线QAT环境本地安装。

量化方案	本地安装	Docker容器
PTQ 后量化转换	支持，请见本文	同时支持请见上文中链接：docker镜像环境部署
QAT 量化感知训练	支持，请见上文中链接：地平线QAT环境本地安装	同时支持请见上文中链接：docker镜像环境部署

本文将以linux系统为基础进行介绍，使用到的依赖均为Python3.8的依赖，注意：从2023年6月后发布的版本将不再支持Python3.6。

2 virtualenv简介与使用

virtualenv是Python开发中常用的虚拟环境管理工具，它可以在同一台机器上创建多个相互独立的Python环境，每个环境之间可以独立安装不同版本的Python解释器和Python库，从而避免不同项目之间因为Python版本和库版本的冲突导致的问题。

2.1 安装 virtualenv

2.2 创建虚拟环境

不指定Python版本时，将以开发机默认Python版本进行创建，建议大家先确认一下自己的Python版本

指定Python版本时(确保你的系统上已经安装了Python 3.8的可执行版本)

此时会在当前目录下创建一个名为 env_name的虚拟环境，环境里面只有pip、setuptools和wheel这三个包。

2.3 激活虚拟环境

激活虚拟环境后，就可以在该环境中安装一些自己需要的依赖了，具体安装示例可参考本文第3节。

2.4 退出虚拟环境

在完成一系列工作后，可以运行如下命令退出虚拟环境。

3 安装PTQ所需依赖

实现地平线PTQ功能只需要手动安装四个whl包，分别是hbdk.whl、horizon_nn.whl、horizon_tc_ui.whl、torch.whl，前三个是地平线开发的，这四个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，J5用户可以从地平线征程®️5 OpenExplorer算法工具链版本发布页面，XJ3用户可以从地平线 XJ3 算法工具链版本发布及Filezilla使用教程页面获取最新发布的版本，新版本会更加稳定且有更多新功能和好用的工具~

本文以horizon_j5_open_explorer_v1.1.49b-py38_20230505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

顺序执行下面几行指令进行安装

安装过程需要一些时间，安装完成后，可以输入 hb_mapper –-help 命令，若打印如下信息，说明环境已安装完成：

hb_mapper is an offline model transform tool provided by horizon.

Options:
--version Show the version and exit.
-h, --help Show this message and exit.

Commands:
checker check whether the model meet the requirements.
infer inference and dump output feature as float vector.
makertbin transform caffe model to quantization model, generate runtime...

接下来就可以试试PTQ的相关功能啦！