Phụ lục: chạy lại toàn bộ thí nghiệm — Quantization trong Deep Learning: từ nguyên lý đến thực hành

Phụ lục1 phút đọc

Phụ lục: chạy lại toàn bộ thí nghiệm#

Cấu trúc thư mục

quantization/
├── quantization.md                     # tài liệu này
├── figs/                               # 17 hình, sinh bởi các script dưới
└── code/
    ├── fig_basics.py                   # Hình 1–7, 12, 16
    ├── fig_diagrams.py                 # Hình 9, 10, 17
    ├── numpy_experiments.py            # Mục 6.5, 11.3, 11.4; Hình 14, 15
    ├── torch_experiments.py            # Mục 5.3, 7.3, 8.2, 9.3, 10.1; Hình 8, 11, 13
    ├── torch_qat_eager.py              # Mục 10.1.3
    ├── sensitivity.py                  # Mục 12.2
    └── *_output.txt                    # kết quả in ra của từng script

Bash

pip install numpy scipy matplotlib scikit-learn torch torchao
python code/fig_basics.py
python code/fig_diagrams.py
python code/numpy_experiments.py
python code/torch_experiments.py        # vài phút trên CPU; huấn luyện mô hình, PTQ, QAT, backend INT8
python code/torch_qat_eager.py
python code/sensitivity.py

Các script đặt seed cố định nên kết quả độ chính xác lặp lại được trên cùng phiên bản thư viện. Riêng độ trễ phụ thuộc phần cứng và dao động giữa các lần chạy.