Tensorflow - 使用 tflite 将修剪后的模型转换为较低的量化

Question

我正在尝试使用 TFLite 量化修剪后的张量流模型。修剪和量化都独立工作，但是当我尝试修剪然后量化时，我得到这个错误：ValueError: Input 0 of node sequential/prune_low_magnitude_dense/AssignVariableOp was passed float from sequential/prune_low_magnitude_dense/Mul/ReadVariableOp/resource:0 incompatible with expected resource. 当我尝试量化然后修剪时，我得到这个错误：ValueError: 'prune_low_magnitude' can only prune an object of the following types: tf.keras.models.Sequential, tf.keras functional model, tf.keras.layers.Layer, list of tf.keras.layers.Layer. You passed an object of type: bytes.

我应该怎么做才能使这些操作兼容？该模型的类型为 tf.keras.models.Sequential，出于测试目的，只有一层深。

Answer 1

如本例所示：

https://github.com/tensorflow/model-optimization/blob/master/tensorflow_model_optimization/python/examples/quantization_with_sparsity/keras/mnist_cnn.py

看来你应该strip_pruning。