请问该框架与ncnn的区别与联系？ about feathercnn

[turbo0628]

关于与ncnn的区别联系参考 #6 , 量化会做 但是不是当前最重要的事情，单精度仍有不少潜力可以继续做下去。

[JSnobody]

了解，在做量化之前，先做出一个基于float32的稳定的版本是更重要的，如果后面做量化的话，是否可以交流一下呢？我目前也在看量化方面。

[BUG1989]

@JSnobody armv8.2以下指令集其实对int8计算不是很友好，理论上fp32和int8的乘加op吞吐率是一样的，所以一个稳定高效的fp32是更加重要的，当然后面avx512或者dot int8的指令是另外一回事了。 @turbo0628 加油鸭

[JSnobody]

@BUG1989 如果我没记错的话，caffe-int8-convert-tools 是你做的吧，这几天刚认识caffe-int8-convert-tools，准备仔细研究一下

[JSnobody]

@BUG1989 我看主流的框架和平台的int8量化，只针对训练后量化，主要分为tensorflow和tensorRT两个流派，有的是用tensorflow'的**和流程，有的采用tensorRT**结合KL散度校准，从结果上看，tensorRT的准确率会有提升。关于tensorRT和tensorflow量化你怎么看，推理框架也需要反量化嘛？

[JSnobody]

修改一下：tensorRT较比tensorflow准确率会有提升。

[BUG1989]

现在还有第三个流派是，trainning int8，鼻祖可以参考Ristretto caffe，分为两个步骤：

1. 使用数据集统计出大概的量化scale；
2. 将量化scale引入finetune流程，使权重反过来适配第一步中的量化scale，恢复精度。
   框架有：TensorFlow、Intel Caffe、Xilinx dnn

[JSnobody]

@BUG1989 Ristretto caffe我前几天看到过，当时看的不仔细，通过你的介绍我学习了。
听你的描述，我还是有很多疑惑，不过，我先自己看看Ristretto caffe再讨论吧。
能否加个联系方式呢？

[JSnobody]

@BUG1989 这三个流派，你觉得哪个比较好，各自优缺点是什么？

[RitchieHuang11]

我想请教下，如果不做量化，那大概从哪些方面做加速， 除了合并层这个方式以外，其他都是通过指令集来实现加速么？

[JSnobody]

@huangrichen11 有好多种方式

[RitchieHuang11]

@huangrichen11 有好多种方式

有没有相关的资料，想了解下？对这方面没有接触过