LSQ+: Improving low-bit quantization through learnable offsets and better initialization

本文是對lsq：Learned Step-size Quantization的改進。 關於lsq，這篇文章講得很清楚： https://blog.csdn.net/nature553863/article/details/104275477 簡單來說，就是通過學習來確定量化間隔。 在lsq提出時，當時流行的激活函數是ReLU。它的特點是，將小於0的激活值都置爲0，因此lsq在量化激活值時使用非對稱

>>阅读原文<<