我的问题是我使用x-cube-ai对我的onnx模型进行分析验证，我发现量化前后onnx模型他的flash，ram占用下降的似乎并不明显，我量化使用的工具是onnx_runtime，量化方式是静态QDQ的方式，以model_1为例，量化前total flash为138.89kb但量化后我的flash反而升高了为157.49kb，我看主要的原因是量化前后flash几乎没什么变化，产生这种情况的原因是因为我的量化方式与x-cube-ai支持的int8量化不兼容吗？官方有专用的量化工具吗？

ST公司目前并没有提供单独的模型量化工具，都是集成在ST Edge AI / X-CUBE-AI生态工具链里。ST EdgeAI core支持：

支持 8-bit quantized neural network

支持 ONNX QDQ

支持 静态量化

支持量化相关配置与校准流程

支持量化模型分析、验证和部署

关于你的问题，建议检查核对下面因素：

1：确认量化脚本是否严格符合ST 推荐配置：

quant_format=QuantFormat.QDQ

activation_type=QuantType.QInt8

weight_type=QuantType.QInt8

per_channel=True

optimize_model=True

2：确认当前ONNX 的opset，检查是不是 opset13。

3：量化前做下简化

详细内容可以阅读下面站点：

Quantized model support