quantize_config.json

{
 "per_channel": true,
 "reduce_range": true,
 "per_model_config": {
 "model": {
 "op_types": [
 "Relu",
 "MaxPool",
 "Gemm",
 "Flatten",
 "GlobalAveragePool",
 "Conv",
 "Add"
 ],
 "weight_type": "QUInt8"
 }
 }
}