AIMET的github上，Supported Features里提到了Quantization-aware Training，关于这一部分有具体的介绍吗？他和pytorch的QAT相比有什么区别/优

[阿尔多利亚]

AIMET的github上，Supported Features里提到了Quantization-aware Training，关于这一部分有具体的介绍吗？他和pytorch的QAT相比有什么区别/优势吗？

[weixin_38498942]

关于AIMET里的QAT可以参考高通AIMET白皮书（https://arxiv.org/pdf/2201.08442 ）的第五节，里面介绍了AIMET的量化感知训练的流程和原理。AIMET的QAT和pytorch的QAT本质上都在做一件事，就是在训练过程中加入了模拟量化，目的都是让训练出的模型收到PTQ的影响尽可能小。二者区别在于，仅针对高通平台的设备，相较于pytorch的QAT而言，高通的QAT模拟量化的方式和高通转模型时量化的方式一致，这就意味着QAT出来的模型在高通平台，PTQ可以无损，而pytorch实现的QAT受限于量化方式和机制的不同，在后量化时可能会有误差。