2026年，FPGA做边缘AI推理时，INT8量化到底能省多少资源？实测数据对比YOLOv5s在Zynq上的部署效果
最近在准备FPGA大赛，想用Zynq部署YOLOv5s做目标检测，但BRAM和DSP资源一直不够。听说INT8量化能大幅降低资源占用，但不知道实际效果如何？有没有大佬分享下真实数据，比如量化后LUT减少多少、BRAM节省多少、帧率能提升到多少？另外，精度掉到多少算正常？我用的模型是YOLOv5s，输入640x480，目标检测场景是行人+车辆。求具体量化方案和部署经验，最好能对比FP32和INT8的资源占用表。
逻辑小白
