← 在分诊台打开（可搜索/导航）
模型量化后精度暴跌怎么救
🔧 E4 数据不够怎么办 · 全平台
状态：量化感知训练(QAT)可挽回大部分精度
也这样说： 量化 int8 精度暴跌 精度损失 量化后效果差
可能根因：- FP32转INT8导致精度损失
- 校准数据分布与真实数据不匹配
- 某些层对量化敏感
解决方案
💡 排坑指南（1条）
Ultralytics INT8 量化导出
TensorRT INT8需要校准数据集（建议200-500张真实场景图）；校准数据必须覆盖真实推理场景的光照/角度/背景，否则mAP暴跌
时效：2026-09
打开 ↗🔧 变通方案（1条）
量化感知训练(QAT)恢复精度
PTQ(训练后量化)精度损失大时上QAT：在训练中模拟量化误差，模型学会适应INT8；QAT可挽回PTQ损失的80%以上精度
时效：2026-09
打开 ↗⚠️ 避坑提醒（2条）
校准数据偏差导致mAP下降40%+ 暂无外链
最隐蔽的坑：校准用白天数据但推理在夜间，量化后夜间检测mAP从70%暴跌到30%；校准数据必须与真实场景分布一致
时效：2026-09
别全量化，敏感层保留FP16 暂无外链
检测头/分类头对量化敏感，backbone可INT8但head保留FP16；混合精度比全INT8只慢10%但精度高5-8个点
时效：2026-09
本页是路由层入口，不存教程正文。每条入口带人工评注。
来自 问题分诊台 · Vertical Hub