在寒武纪mlu270平台上生成yolov5模型离线文件，先进行int8量化后，后逐层或者融合，输出的目标框变得不准，目标框变大，且出现很多重复的框，若有碰到类似问题，有劳各位才能知士帮忙解答。

量化主要代码：

global quantized_model

if opt.cfg == 'qua':
    qconfig = {'iteration':2,'firstconv':False}
    quantized_model = mlu_quantize.quantize_dynamic_mlu(model, qconfig, dtype='int8', gen_quant=True)

...

if opt.cfg == 'qua':
    pred = quantized_model(img)[0]
    torch.save(quantized_model.state_dict(), 'yolov5s_int8.pt')
    
本人的提出问题：

 问题1：qconfig量化参数iteration是指需要传入量化图片个数吗，量化方式是一张张传入量化还是全部？

 问题2：当训练样本的检测目标尺寸存在较大差异时，in8量化后是否使检测精度下降很多？

                           第一张：cpu推理；

                            第二张：int8量化后，再逐层或者融合；

以上问题，个人认为原因：训练集的目标尺寸存在较大差异，int8量化后，精度降低很多，应该是int8量化这个过程出来问题，但是具体那里出的问题未知。