save_model

功能说明

训练后量化接口，根据量化因子记录文件record_file和用户待量化的原始pb模型，插入AscendQuant、AscendDequant等算子，然后保存为既可以在TensorFlow环境进行精度仿真又可以在昇腾AI处理器做离线推理的pb模型文件。

约束说明

在网络推理的batch数目达到batch_num后，再调用该接口，否则量化因子不正确，量化结果不正确。
该接口只接收pb类型的模型文件，用户需要将待量化模型提前转换为pb类型。
该接口需要输入量化因子记录文件，量化因子记录文件在quantize_model阶段生成，在模型推理阶段填充有效值。

函数原型

save_model(pb_model, outputs, record_file, save_path)

参数说明

参数名	输入/返回值	含义	使用限制
pb_model	输入	用户待量化的原始pb模型文件。	数据类型：string
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
record_file	输入	量化因子记录文件路径及名称。通过该文件、量化配置文件以及原始pb模型文件，生成量化后的模型文件。	数据类型：string
save_path	输入	模型存放路径。该路径需要包含模型名前缀，例如./quantized_model/*model。	数据类型：string

返回值说明

无。

函数输出

既可以在TensorFlow环境进行精度仿真又可以在昇腾AI处理器做离线推理的pb模型文件。

重新执行量化时，该接口输出的上述文件将会被覆盖。

调用示例

import amct_tensorflow as amct
# 进行网络推理，期间完成量化
for i in batch_num:
    sess.run(outputs, feed_dict={inputs: inputs_data})
# 插入API，将量化的模型存为PB文件
amct.save_model(pb_model="./user_model.pb",
                outputs=["model/outputs"],
                record_file="./record_scale_offset.txt",
                save_path="./inference/model")

父主题： 训练后量化