🔑 名詞卡
量化（Quantization）
🎯 定義
將模型中高精度參數（如 32-bit 浮點數）轉換為較低精度格式（如 8-bit 整數）的模型壓縮技術，以減少模型大小並加快運算速度。
重點／應用
- 優點：大幅降低儲存空間與記憶體需求，減少運算負擔，適合硬體加速器（Edge TPU、NPU）。
- 常見問題：直接量化可能導致準確度下降，常需搭配量化感知訓練（Quantization Aware Training, QAT），讓模型學習適應量化誤差。
- 與混合精度訓練（訓練中同時用 FP16 與 FP32）搭配，可兼顧訓練速度與精度。
記憶技巧
「量化 = 把數字的『解析度』調低，檔案變小、跑得更快，但可能失真」。
易混淆
- vs 模型剪枝：量化降低「數值精度」；剪枝減少「參數數量」，兩者可組合使用進一步壓縮模型。
📖 課文原文「量化（Quantization）是將模型中高精度的參數（如 32-bit 浮點數）轉換為較低精度的格式（如 8-bit 整數），以減少模型大小並加快運算速度。」