1. post training quantization是在训练结束后直接对参数进行量化：在量化前，此时的参数经过梯度下降，loss近似为原数据集上的全局最小值；在量化后，相当于对参数向量化坐标上投影，也可以理解为当前参数空间对目标空间的映射。虽然此目标空间是原空间的子集，但参数并保证loss在目标空间仍然为最小值。如下图所示，压缩后模型正确率只有0.1\par
\par
2. quantization aware在训练过程中就将参数映射到目标空间，此时训练还在进行，因此可以近似为在目标空间进行梯度下降。此时能达到的最小值是目标空间的最小值，因此比不能保证在目标空间loss仍然为最小值的post training quantization效果好。如下图所示，正确率还能保持在0.96
\par
