本文综述深度神经网络量化研究，涵盖固定点、浮点与混合精度方法。FxP-QNet可动态设计量化级别，压缩内存7至10倍，精度损失低于2%。研究比较了整数量化与低精度浮点，提出FPGA混合方案、GPTQ后训练量化及一次性混合精度搜索，在ImageNet上提升ResNet精度。