对于模型文件的量化压缩，过程比较简单。我们发现模型属于同一层的参数值会分布在一个较小的区间内，比如-3， 5之间，我们可以记下这个最小值和最大值，在采用8位数量化（可以有其他选择）的情况下，可以把同一层的所有参数都线性映射（也可以采用非线性映射进一步压缩空间）到区间[-3, 5]之间的255个8位整数中的最接近的一个数。
参考
- https://blog.csdn.net/gaofeipaopaotang/article/details/81186891
- Quantizing deep convolutional networks for efficient inference: A whitepaper