使用虚拟数据集测试英特尔低精度优化工具

Question

我在Linux中试用英特尔低精度优化工具。最初，我创建了一个名为lpot_environment的环境，并使用以下命令安装了tensorflow：

conda create -n lpot_environment python=3.7
pip install intel-tensorflow==2.3.0

然后，我将github存储库克隆为：

git clone https://github.com/intel/neural-compressor.git

我已经下载了冰冻模型。

作为迈向英特尔lpot的第一步，我想运行一个虚拟数据加载器。但是我找不到。

如果有人使用英特尔lpot中的虚拟数据集发送代码样本，那就太好了。

Answer 1

您可以使用以下代码量化TensorFlow检查点，并使用虚拟数据加载器运行。

quantizer = Quantization('./conf.yaml')
dataset = quantizer.dataset('dummy_v2', \
    input_shape=(100, 100, 3), label_shape=(1, ))
quantizer.model = common.Model('./model/public/rfcn-resnet101-coco-tf/rfcn_resnet101_coco_2018_01_28/')
quantizer.calib_dataloader = common.DataLoader(dataset)
quantized_model = quantizer()

运行量化将创建一个虚拟数据加载器。