用户您好，请详细描述您所遇到的问题，这会帮助我们快速定位问题~
1.芯片型号：X3
2.天工开物开发包OpenExplorer版本：主要在oe 2.3.3测，oe 2.6.2问题类似
3.问题定位：模型转换
4.问题具体描述：
搭建了一个立体匹配任务的模型，训练和微调效果正常，但是量化完后掉点比较严重。
验证了makertbin过程中产生的original_float_model.onnx和optimized_float_model.onnx，和准备量化的浮点模型输出一致。
但是在X3上，采用多种量化策略得到的量化网络，用校准数据集进行测试掉点严重。结果如下
我们这边尝试QAT训练策略，请问能否同时协助微调网络量化?
您好，地平线工具链在持续迭代优化，为了给您提供更好的服务，希望您能抽出3分钟左右的时间，将您在使用工具链期间的感受和建议告诉我们，您的宝贵意见对我们很重要，非常感谢！-
问卷链接：地平线算法工具链使用满意度反馈
您好，在多种量化策略未能改善精度的情况下，建议您这边使用PTQ 精度Debug工具进行调优，具体使用方式参考XJ3用户手册 4.1.2.11. 精度debug工具 — Horizon Open Explorer 。使用流程和结果分析请参考这三篇社区文章：
1. 【PTQ精度debug示例】mnasnet_1.0_96精度问题分析 (horizon.ai)
2. 【PTQ精度debug示例】repvgg_b2_deploy精度问题分析 (horizon.ai)
3. 【PTQ精度debug示例】MobileVit_s精度问题分析 (horizon.ai)
您尝试后，可以提供给我们节点量化敏感度排序、量化累积误差曲线等信息进行分析~~
按照上述教程尝试了一下模型评估，得到的中间结果如下
下图为单独量化权重 / 激活的累积误差分布情况
可见精度问题来自激活量化。
随后分析了节点敏感
发现激活量化某些层问题较严重
随后比较了不同部分量化配置下的精度
发现每种配置下量化精度仍都有问题
您好，模型精度损失大部分来自于激活节点的累积量化误差，由于XJ3不支持设置节点以Int16量化，这边建议您根据激活量化敏感度排序的节点，依次设置其run_on_cpu，然后测试模型精度改善情况（可能会对模型性能有较大影响，需要您权衡）；如果激活节点run_on_cpu后模型精度仍无较大的改善，目前只能建议您尝试QAT~
还麻烦您对我们的PTQ Debug工具做出评价，可以从使用上手、分析结果可视化以及对模型精度问题定位等角度反馈，您的反馈有助于我们迭代更好用的工具，We are glad to hear from you~~
再请问下，HZ_PREPROCESS_FOR_input.1_HzCalibration节点是最开始的之前仅做输入归一化的节点，为啥这个节点的cosine就很低了
您好，这个激活校准节点的输入是上一个节点，也就是Hz_PREPROCESS节点的输出，它的量化敏感度高只能说明当前节点（Hz_PREPROCESS的后一个节点，可能是Conv）的节点输入对量化敏感，和Hz_PREPROCESS节点无关，所以基于此您可以选择让Hz_PREPROCESS节点高精度输出或者当前节点高精度输入，是这样的逻辑。
Hz_PREPROCESS前处理节点如果要进行图像格式转换的操作，例如bgr转nv12，可能会对模型精度产生影响，因为nv12是有损格式。
