下载
中文
注册
我要评分
文档获取效率
文档正确性
内容完整性
文档易理解
在线提单
论坛求助
昇腾小AI

quantize_model_ascend

功能说明

训练后量化接口,将输入的待量化的图结构按照给定的量化配置文件进行量化处理,在传入的图结构中插入量化相关的算子,生成量化因子记录文件record_file,并返回量化处理新增的算子列表。

函数原型

calibration_graph, calibration_outputs=quantize_model_ascend(graph, outputs, config_file, record_file)

参数说明

参数名

输入/返回值

含义

使用限制

graph

输入

用户传入的待量化模型的tf.Graph图。

数据类型:tf.Graph

使用约束:graph必须为推理图,图中不能包含训练模式的算子,例如FusedBatchNormV3算子的is_training必须为False。图中必须加载了训练好的权重。

outputs

输入

graph中输出算子的列表。

数据类型:list,列表中元素类型为string

config_file

输入

用户生成的量化配置文件,用于指定模型tf.Graph图中量化层的配置情况。

数据类型:string

record_file

输入

量化因子记录文件路径及名称。

数据类型:string

calibration_graph

返回值

工具修改后的图,插入了量化算子。

数据类型:tf.Graph

calibration_outputs

返回值

calibration_graph的输出算子列表。

数据类型:list,列表中元素类型为string

返回值说明

网络中量化的层名信息列表。

quantize_model_ascend对图做了BN融合,如果网络模型的outputs包含BN层,且该BN层也做融合,那么网络的输出节点会发生变化。例如,Conv+BN(或Conv+BiasAdd+BN)融合后为Conv+BiasAdd,BN等价的输出节点为BiasAdd节点。

调用示例

import amct_tensorflow as amct
# 建立待量化的网络结构
network = build_network()

# 插入量化API
calibration_graph, calibration_outputs = amct.quantize_model_ascend(
      graph=tf.get_default_graph(),
      config_file="./configs/config.json",
      record_file="./record_scale_offset.txt")
搜索结果
找到“0”个结果

当前产品无相关内容

未找到相关内容,请尝试其他搜索词