获取更多样例

cmd

单击Gitee或Github，进入Ascend samples开源仓，从“python/level1_single_api/9_amct/amct_caffe/cmd”目录中获取样例。

使用命令行方式进行训练后量化。

请参见样例工程中的README。

resnet50

单击Gitee或Github，进入Ascend samples开源仓，从“python/level1_single_api/9_amct/amct_caffe/resnet50”目录中获取样例。

分类网络量化，该sample可以实现如下功能：

• 训练后量化：均匀量化、非均匀量化（包括静态非均匀量化，自动非均匀量化）
• 量化感知训练
• 模型适配

请参见样例工程中的README。

faster_rcnn

单击Gitee或Github，进入Ascend samples开源仓，从“python/level1_single_api/9_amct/amct_caffe/faster_rcnn”目录中获取样例。

检测网络训练后量化。

请参见样例工程中的README。

mobilenetV2

单击Gitee或Github，进入Ascend samples开源仓，从“python/level1_single_api/9_amct/amct_caffe/mobilenetV2”目录中获取样例。

基于精度的自动量化。

请参见样例工程中的README。

mnist

单击Gitee或Github，进入Ascend samples开源仓，从“python/level1_single_api/9_amct/amct_caffe/mnist”目录中获取样例。

MNIST网络模型训练后量化，该sample用于快速验证昇腾模型压缩工具的量化功能。

请参见样例工程中的README。

tensor_decompose

单击Gitee或Github，进入Ascend samples开源仓，从“python/level1_single_api/9_amct/amct_caffe/tensor_decompose”目录中获取样例。

张量分解。

请参见样例工程中的README。