INT8 模型轉換為中介表示（IR）
內容類型: 疑難排解 | 文章 ID: 000058759 | 最近查看日期: 2026 year 03 month 05 day
在模型優化文件中，提及量化感知訓練（QAT）。它指出 QAT 允許使用者獲得一個準確且優化的模型，並可轉換為 OpenVINO™ 中間表示（IR）。不過，未提供更多細節。參考：
量化感知訓練（QAT）採用 OpenVINO™ 相容的訓練框架，透過神經網路壓縮框架（NNCF）支援：
NNCF 是一個提供訓練後及訓練時間模型壓縮方法（包括 QAT）的框架，並用於優化 OpenVINO 推論模型。
QAT 微調完成後，優化後的模型可匯出（通常為 ONNX*），然後轉換為 OpenVINO™ IR 以供部署。
| 註 | 轉換為 INT8 精度及相應的封裝效益是在將模型轉換為 OpenVINO IR 後發生的。 |