feat: VGG16: modify README

ykl/VGG_16/README.md

-# AlexNet_BN 量化说明
+# VGG_16 量化说明
 
-+ 结构和AlexNet基本一致，在训练中的每个conv后加了bn层，量化时将conv、bn、relu合并为QConvBNReLu层。
-+ 合并之后如果直接和原全精度模型的conv层进行相似度比对，不符合眼里，且拟合效果较差（可见之前commit的README）
-  + 措施：将全精度模型的BN层参数fold至Conv层中，参数量和计算量也相应加至Conv层
-  + 该方法不会降低全精度模型推理精度（可为全精度模型加入排除BN层的inference方法，使用fold后模型推理验证）
-  + 另外测试了分别单独量化Conv和BN层的方案，精度下降较为明显。同时当前大部分量化策略都采用了Conv+BN的方案，融合能够减少运算量，使得模型更为高效。
+## 文件改动
 
-## ptq部分
-
-+ 量化结果：
-
-  FP32-acc：87.09
-
-  ![image-20230410030841210](image/image-20230410030841210.png)
-
-+ 数据拟合：
-
-  matlab导入数据，选择列向量
-
-  + 加入FP3-FP7前：
-
-    + js_flops - acc_loss
-
-      Rational: Numerator degree 2 / Denominator degree 2
-
-      - [ ] center and scale
-
-        ![image-20230410030613387](image/image-20230410030613387.png)
-
-      - [x] center and scale
-
-        ![image-20230410030625395](image/image-20230410030625395.png)
++ model.py
+  + 由于层数较多，为了进行快速声明，添加`make_feature/classifier_layers`，从cfg快速获得特征层和分类层
+  + 根据特征层和分类层名字列表，从`quantize_feature/classifier_layers`方法快速生成对应量化层
+  + 利用`quantize_utils`方法生成量化层对应的`inference/forward/freeze`方法
+  + 利用上述方法可以快速进行网络迁移，从文件开头的cfg指定网络模型（非平面结构仍需进一步改进）
++ module.py
+  + 由于VGG网络参数量较大，使用原先的`get_neareat_val`方法会导致显存溢出，对其进行分块处理。
 
 
-    + js_param - acc_loss
 
-      Rational: Numerator degree 2 / Denominator degree 2
-
-      - [ ] center and scale
-
-        ![image-20230410030654186](image/image-20230410030654186.png)
-
-      - [x] center and scale
-
-        ![image-20230410030707277](image/image-20230410030707277.png)
-
-
-  + 加入FP3-FP7后
-
-    + js_flops - acc_loss
-
-      Rational: Numerator degree 2 / Denominator degree 2
-
-      - [ ] center and scale
-
-        ![image-20230410030018190](image/image-20230410030018190.png)
-
-      - [x] center and scale
-
-        ![image-20230410030035550](image/image-20230410030035550.png)
+## ptq部分
 
-    + js_param - acc_loss
++ 量化结果：
 
-      Rational: Numerator degree 2 / Denominator degree 2
+  ![image-20230415131101450](image/VGG16_table.png)
 
-      + [ ] center and scale
-        ![image-20230410030148120](image/image-20230410030148120.png)
++ 拟合结果（仍采用Rational-Fit 且分子分母多项式次数均为2）
 
-      + [x] center and scale
+  ![flops](image/flops.png)
 
-        ![image-20230410030206554](image/image-20230410030206554.png)
\ No newline at end of file
+  ![param](image/param.png)
\ No newline at end of file