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。我试过了，如下所示。我使用的是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)

它工作正常，没有错误。

然而，保存的模型(h5和ckpt)的大小与未量化的模型完全相同。

这条路对吗？我如何检查它是否量化得很好？

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，它实际上还没有被量化。换句话说，它已经为量化做好了“准备”，但是权重仍然是float32。您必须进一步将模型转换为TFLite，才能使其真正量化。您可以使用以下代码来完成此操作：

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激活来量化您的模型。

请查看official example以获得进一步的参考。