Tensorflow 量化感知训练答案

【问题标题】：Tensorflow Quantization Aware TrainingTensorflow 量化感知训练
【发布时间】：2021-01-08 10:03:07
【问题描述】：

我想量化一个 DenseNet 模型。我正在使用 TensorFlow 2.4。

import tensorflow_model_optimization as tfmot
model = tf.keras.applications.DenseNet121(include_top=True,weights=None,input_tensor=None,input_shape=None,pooling=None,classes=1000) 
quantize_model = tfmot.quantization.keras.quantize_model
model = quantize_model(model)

但我收到以下消息：

RuntimeError: Layer conv2_block1_0_bn: 不受支持。您可以通过将tfmot.quantization.keras.QuantizeConfig 实例传递给quantize_annotate_layer API 来量化这一层。

有什么办法可以做到这一点。我无法更改 keras 代码。

【问题讨论】：

标签： python tensorflow keras quantization densenet

【解决方案1】：

在您的情况下，您需要单独量化层BatchNormalization。

如果您从Quantization TF Guide 中看到以下示例代码 sn-p，则使用DefaultDenseQuantizeConfig 来处理此问题。希望本指南能帮助您解决这个问题。

quantize_annotate_layer = tfmot.quantization.keras.quantize_annotate_layer
quantize_annotate_model = tfmot.quantization.keras.quantize_annotate_model
quantize_scope = tfmot.quantization.keras.quantize_scope

class CustomLayer(tf.keras.layers.Dense):
  pass

model = quantize_annotate_model(tf.keras.Sequential([
   quantize_annotate_layer(CustomLayer(20, input_shape=(20,)), DefaultDenseQuantizeConfig()),
   tf.keras.layers.Flatten()
]))

# `quantize_apply` requires mentioning `DefaultDenseQuantizeConfig` with `quantize_scope`
# as well as the custom Keras layer.
with quantize_scope(
  {'DefaultDenseQuantizeConfig': DefaultDenseQuantizeConfig,
   'CustomLayer': CustomLayer}):
  # Use `quantize_apply` to actually make the model quantization aware.
  quant_aware_model = tfmot.quantization.keras.quantize_apply(model)

quant_aware_model.summary()

【讨论】：