doc: add Readme

mzh/new_mzh/MobileNetV2/readme.md

+## update: <br>2023.4.23<br>
+1. 实现了MobileNetV2的PTQ量化
+2. 目前存在一些问题：<br>
+     虽然PTQ量化后的acc比较合理，但权值参数相似度比较不正常。无法拟合出合理的曲线。<br>
+     对数据分析并通过tensorboard观察，一些计算量/参数量大的层在图中观察数据分布相似度较高，但计算出的js散度较大，又因为其加权权重较大，导致了整体的js距离很大。
+3. 后续将检查出现问题的原因是代码设计问题还是加权系数不适用于MobileNetV2
+

mzh/new_mzh/ResNet18-50-152/readme.md

+## update: <br>2023.4.23<br>
+
+对PoT量化进行单独的考虑，先只是量化权值，看一下权值分布相似度跟acc的关系。然后选一个acc比较高的PoT权值保持不变，再用不同的数据表示去量化激活，这时候看激活的位宽和acc的关系。<br>
+因为在PTQ的freeze后，qb.scale已经固定(对bias的量化有直接影响)，所有的scale都不方便重新修改，因此INT量化无法被用作激活<br>
+FP量化因为受scale影响相对较小，因此可以被试着作为激活量化。具体数据在POT_ptq_result_ResNet50.xlsx和POT_ptq_result_ResNet152.xlsx中。<br>
+以FP作为激活的ResNet50，152中的数据有相似的规律，不过目前还没能解释为什么E1经常acc较高，E2,E3降低，E4又回升。
+
 ## update: <br>2023.4.17<br>
 
 - 已针对4.12中的问题进行了修正和补充：

mzh/new_mzh/ResNet_nobias/readme.md

+## update: <br>2023.4.23<br>
+1. 本文件夹下的ResNet系列模型的Conv层不具有bias，与经典的ResNet一致。但在含有fold BN操作的ConvBN，ConvBNReLU后，Conv会具有bias，在代码中进行了相应修改以适配。
+2. ResNet18的无bias的acc比有bias的略高。且无bias的情况下，训练速度明显增快。
+3. 修正了一系列小bug
+4. 一系列拟合图
+(1) 有PoT:
+resnet18:
+<img src = "fig/18_flops_nobias.png" class="h-90 auto">
+<img src = "fig/18_params_nobias.png" class="h-90 auto">
+resnet50:
+<img src = "fig/50_flops_nobias.png" class="h-90 auto">
+<img src = "fig/50_params_nobias.png" class="h-90 auto">
+resnet152:
+<img src = "fig/152_flops_nobias.png" class="h-90 auto">
+<img src = "fig/152_params_nobias.png" class="h-90 auto">
+(2) 无PoT:
+
+resnet18:
+<img src = "fig/18_flops_nobias_nopot.png" class="h-90 auto">
+
+resnet50:
+<img src = "fig/50_flops_nobias_nopot.png" class="h-90 auto">
+
+resnet152:
+<img src = "fig/152_flops_nobias_nopot.png" class="h-90 auto">