QAT 量化配置的等效构建方法 —— 从 Base 之争到"量化"

一、背景：为什么大家几乎都会从 base\_int16 开始？

在 QAT 项目中，只要遇到精度问题，工程师的第一反应通常是：

先上全 int16，看精度上限。

这是完全合理的。

原因：

• int16 动态范围更大
• 量化误差更小
• 更接近浮点
• 能快速验证“模型是否具备量化可行性”

如果全 int16 精度仍不好，问题往往不在 bit-width，而在：

• scale 分布异常
• observer 未收敛
• 插桩位置不合理
• 数据分布问题

因此：

base_int16 是“精度上限探测工具”。

这一步是科学且必要的。

二、工程现实：最终目标往往是性能

但真实部署环境通常是：

• 延时受限
• 带宽受限
• 片上存储受限

在这种前提下：

全 int16 基本不可能成为最终部署形态。

所以工程上更合理的路径应该是：

以 base_int8 作为默认底座对精度敏感区域做局部升级

这意味着：

• int16 用来探上限
• int8 用来做工程

这两个阶段目标不同。

三、真正的困难：从 base\_int16 切回 base\_int8

问题往往出现在这里。

当我们在 base\_int16 下完成精度探索后，会得到大量细节信息：

• 哪些 layer 敏感
• 哪些 layer 需要 fix\_scale
• 哪些模块 output 必须 int16
• 哪些 Conv / Matmul 必须 int16 输入

但当切换到 base\_int8 时，会发现：

• 默认 ModuleNameTemplate 不同
• 默认 ConvDtypeTemplate 不同
• 默认 MatmulDtypeTemplate 不同
• 输出 dtype 传播链改变

结果：

相同 prefix 写法，生效行为完全不同。

这就意味着：

base_int16 的配置不能直接复制到 base_int8。

四、问题的本质：不要让 base 决定量化形态

量化系统本质是“分层覆盖系统”。

如果让 base 决定形态，你就会被 base 牵着走。

真正应该控制的是：

每个模块最终生效的 dtype 拓扑。

五、方法论框架：量化拓扑设计

整个方法可以抽象为五个阶段：

1. 精度上限探测（全 int16）
2. 敏感层识别
3. 结构分析
4. 等效拓扑构建
5. int8 工程落地

我们逐步展开。

六、第一阶段：全 int16 精度上限探测

典型配置：

ModuleNameTemplate({"": qint16})
ConvDtypeTemplate(input_dtype=qint16, weight_dtype=qint8)
MatmulDtypeTemplate(input_dtypes=qint16)

目标：

• 验证量化可行性
• 建立精度上限参考

七、第二阶段：使用 GlobalFakequantSwitch 定位问题

无论哪种路径，都建议使用：

GlobalFakeQuantSwitch.disable()
需要去量化的操作
GlobalFakeQuantSwitch.enable()

典型使用思路：

• 全局关闭 FakeQuant
• 单模块开启
• 或单模块关闭

确认：

• 精度损失是否来自 bit-width
• 是否来自 scale 更新
• 是否来自某个具体模块

这一步可以避免盲目升位宽。

八、第三阶段：基于模型结构识别敏感模块

量化配置必须依赖模型结构。

例如：

• backbone 多为线性卷积 → int8 风险低
• head 中 aggregation / attention → 敏感

必须回答：

• 哪些模块属于 backbone？
• 哪些属于 neck？
• 哪些属于 head？
• 哪些包含 matmul？
• 哪些包含 feature aggregation？

没有结构分析，就没有精准升级。

九、第四阶段：构建“等效量化拓扑”

核心思想：

默认 int8 + 精准 prefix 升级

Step 1：统一默认 base\_int8

ModuleNameTemplate({"": qint8})
ConvDtypeTemplate(input_dtype=qint8, weight_dtype=qint8)
MatmulDtypeTemplate(input_dtypes=qint8)

这是性能底座。

Step 2：定义敏感模块列表

int16_modules = [
    "head.anchor_encoder",
    "head.lidar_shared_conv",
    "head.layers",
]

Step 3：输出 dtype 升级

ModuleNameTemplate({
    name: qint16 for name in int16_modules
})

Step 4：Conv 输入升级

ConvDtypeTemplate(
    input_dtype=qint16,
    weight_dtype=qint8,
    prefix=int16_modules
)

Step 5：Matmul 输入升级

MatmulDtypeTemplate(
    input_dtypes=qint16,
    prefix=int16_modules
)

十、等效性的关键点

如果你在 base\_int16 下：

• backbone output=int8
• head output=int16

那么你必须保证：

在 base\_int8 下通过 prefix 升级后，

每个模块最终 output dtype 完全一致。

验证方法：

• 打印每层最终 dtype
• 单层剔除测试
• 对比精度曲线

十一、fix\_scale 的位置

fix\_scale 与 dtype 是两个维度：

• dtype 控制动态范围
• fix\_scale 控制 scale 是否锁定

某些 head 模块：

• 可能必须 int16
• 也可能必须 fix\_scale

但不要把 fix\_scale 当成“精度万能补丁”。

十二、工程调优路径建议

推荐流程：

1. 全 int8 → 测性能
2. 全 int16 → 测精度上限
3. GlobalFakequantSwitch 定位问题
4. 结构分析敏感模块
5. 构建统一 int8 base
6. prefix 升级
7. 单层剔除
8. 构建精度-性能 Pareto 曲线

十三、常见误区

❌ 误区 1：int16 一定比 int8 精度高

实际很多 backbone 层 int8 几乎无损。

❌ 误区 2：回退法可以长期维护

回退法适合探测上限，不适合工程维护。

❌ 误区 3：忽略输出 dtype 传播

输出 dtype 会影响下游模块。

十四、最终总结

量化优化不是：

• 从 int16 往下退
• 从 int8 往上加

而是：

设计一个清晰、可迁移、可验证的量化拓扑结构。

当我们做到：

• base 可替换
• prefix 可迁移
• 最终 dtype 可验证
• FakeQuant 可局部控制

我们就掌握了 QAT 的量化配置体系。