【RKNN】RKNN-Toolkit2 Python API之hybrid_quantization_step2 函数详解

rknn.hybrid_quantization_step2 是 RKNN-Toolkit2 中 ​混合量化（Hybrid Quantization）​​ 的第二步，用于根据手动调整的量化建议文件生成最终的混合精度模型（INT8 + FP16）。以下是其参数、使用流程及优化策略的完整说明：

​一、功能与作用​

1. ​核心功能​

   • 基于 hybrid_quantization_step1 生成的 ​量化建议文件​（如 proposal.csv），将模型中指定层保留为 FP16，其余层量化为 INT8，实现精度与速度的平衡。
   • 生成最终的 ​混合量化 RKNN 模型，支持在 NPU 硬件上高效推理。

2. ​适用场景​

   • 模型量化后精度损失显著（如检测框偏移、分类置信度下降），需保留关键层的高精度。
   • 硬件支持混合精度计算（如 RK3588/RK3568），需在速度和精度间取得最优解。

​二、参数说明​