分享 
神经网络中的模型量化入门及实战
你将收获
深入理解模型量化的原理与动机，掌握浮点数与整数的底层表示方式（如 IEEE-754 与二进制补码）
熟练区分并应用 对称 / 非对称量化、静态 / 动态量化、Per-Tensor / Per-Channel 粒度
理解 Post-Training Quantization (PTQ) 和 Quantization-Aware Training (QAT) 的完整流程与关键技巧
能够使用AutoRound、VLLm等主流工具，独立完成 LLM（如 Qwen3）模型的 4-bit/2-bit 量化压缩与部署
适用人群
课程介绍
课程亮点：不止是讲原理，更让你「用得上」
教学设计：从底层到实战，逐步构建认知
本课程打破常规“堆知识点”的讲解方式，采用**“底层原理 → 架构理解 → 量化策略 → 工程实战”** 四阶段教学路径：
从整数与浮点的本质出发，理解量化的“为什么”
层层拆解对称/非对称、PTQ/QAT 等关键概念
引入 Qwen3 大模型实战案例，4bit 与 2bit 真实对比，让量化效果不止于 PPT
提供完整实操代码、可复用的部署方案与模型评估框架
内容特色：实战与思维并重，避免“纸上谈兵”
与多数课程只停留在“量化讲讲原理、说几个名词”不同，本课：
全流程实操 PTQ 与 QAT，从 observer 设计到 fake quant 插入，全面覆盖部署前后差异
上手实战 Qwen3 大模型压缩案例
讲师背景：有工程实战，也有理论系统性
本课程由有大模型训练与量化部署经验的算法工程师设计，曾参与企业内部 LLM 推理优化项目，主导低比特部署方案评估，所讲内容均来自真实开发经验中的“踩坑与破局”
课程目录
