在《深度量化》中，您将建立模型量化方法，将模型权重缩小到原始大小的 1/4，并应用各种方法来保持压缩模型的性能。量化模型的能力可以使模型更易于 Accessibility，在推理时也会更快。

从头开始实现和定制线性量化，这样你就可以研究空间和性能之间的权衡，然后在 PyTorch 中构建一个通用量化器，可以量化任何 Open Source 模型。您将实现将模型权重从 32 位压缩到 8 位甚至 2 位的技术。 加入本课程： 1.构建和定制线性量化函数，在两种 "模式"（非对称和对称）和三种粒度（按 Tensor、按通道和按组量化）之间进行选择。2. 在平衡每个选项的性能和空间权衡时，测量每个选项的量化误差。3. 在 PyTorch 中构建自己的量化器，将任何 Open Source 模型的密集层从 32 位量化到 8 位。超越 8 位，将 4 个 2 位权重打包到 1 个 8 位整数中。 Quantization in Depth 让您从头开始构建和定制自己的线性量化器，超越 PyTorch 和 Quanto 等标准开源库的范围。 本课程为您学习更高级的量化方法奠定了基础，其中一些方法将在课程结束时推荐给您。