Tensorflow Keras 模型的量化感知训练

Question

我想用我的 keras 模型进行量化感知训练。 我试过如下。 我正在使用 tensorflow 1.14.0

train_graph = tf.Graph()
train_sess = tf.compat.v1.Session(graph=train_graph)
tf.compat.v1.keras.backend.set_session(train_sess)

with train_graph.as_default():
    tf.keras.backend.set_learning_phase(1)
    model = my_keras_model()

    tf.contrib.quantize.create_training_graph(input_graph = train_graph, quant_delay=5)
    train_sess.run(tf.global_variables_initializer()) 

    model.compile(...)
    model.fit_generator(...)

    saver = tf.compat.v1.train.Saver()  
    saver.save(train_sess, checkpoint_path)

它工作没有错误。

但是，保存的模型（h5 和 ckpt）的大小与没有量化的模型完全相同。

这是正确的方法吗？ 我如何检查它是否被很好地量化？

或者，有没有更好的量化方法？

Answer 1

当您完成量化感知训练并将模型保存到磁盘时，它实际上尚未量化。 换句话说，它为量化做好了“准备”，但权重仍然是 float32。 您必须进一步将模型转换为 TFLite 才能对其进行实际量化。 您可以使用以下代码段执行此操作：

converter = tf.lite.TFLiteConverter.from_keras_model(model)
converter.optimizations = [tf.lite.Optimize.DEFAULT]

quantized_tflite_model = converter.convert()

这将使用 int8 权重和 uint8 激活量化您的模型。

查看官方示例以进一步参考。