一、简述
我们都知道现实世界是连续的状态，而计算机世界是离散的状态，这是什么意思呢？我们看一下下图，最右边的马力欧（高清）的状态，可以想象现实世界是连续的状态，而电脑世界在图像上呈现的是一格一格子的状态（左图）是离散的状态。
所以在计算机世界如果想要图片越清晰，最简单的方式就是图的格子的数量要越多越好。
对于AI模型也同样道理，我们可以将AI模型想成是800万画素的图片，有没有办法将AI模型弄成30万画素，然后人眼还看不出差异呢。
最简单的方法就是把模型的浮点数换成整数，float转换integer，就是量化概念的核心（不过不光是浮点数转整数，还有单精度转半精度等等，这里用整数，就是为了简化概念说明）。浮点转整数，就是123.456789取整数(或者4舍5入)，变成123。
二、AI模型量化的意义
没有量化的模型和量化后的模型的主要差异在于存储(模型大小)差异、计算差异、功耗差异。
例如ResNet18的参数就多达3千多万，如果我们用FP32来存储，
![C/C++STL学习[1]---顺序容器阐述、对比、选择vector，deque，list，forward_list，array，string](http://pic.xiahunao.cn/C/C++STL学习[1]---顺序容器阐述、对比、选择vector，deque，list，forward_list，array，string)
