yafeng

用这个 https://github.com/alibaba/MNN/tree/master/tools/MNNPythonOfflineQuant

1. 导出到onnx的时候，torch.onnx.export中设置 training=1即可保存BN 2. 不保存BN也可以用这个工具进行量化，只是精度可能没有保留BN的好

是的

已知bug，如果等不了，可以自己修复，然后源码编译python包。具体的，请在 express/NeuralNetWorkOp.cpp中，第1492，1528，1578行，这三处之后添加下面4行代码： ` if (pads.size() == 2) { conv2D->common->padX = pads[0]; conv2D->common->padY = pads[1]; } else { conv2D->common->pads = std::move(pads); } ` 然后到pymnn/pip_package源码编译MNN python，命令： python build_deps.py pymnn/pip_package/MNN中新建version.py文件，里面写上__version__ = "test-version" python...

version？updated？

cannot reproduce with Python 3.8.13, change python version may solve this problem

config里面写 1， 24， 224， 224

https://github.com/alibaba/MNN/tree/master/tools/MNNPythonOfflineQuant

不太可能出现你说的的情况，离线量化之后没有这个scale？

这个scale如果能合并，在原始模型到MNN的转换过程中就会优化掉这个scale