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_tensorflow/cmd”目录中获取样例。

• 使用命令行方式进行训练后量化。
• 使用命令行方式进行QAT模型适配CANN模型。

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_tensorflow/mobilenet_v2”目录中获取样例。

• 分类网络训练后量化（均匀量化）
• 自动量化：基于精度的自动量化
• 模型适配
  • convert_model接口模型适配
  • QAT模型适配CANN模型

请参见样例工程中的README。

resnet_v1_50

单击Gitee或Github，进入Ascend samples开源仓，从“python/level1_single_api/9_amct/amct_tensorflow/resnet-50_v1”目录中获取样例。

• 非均匀量化
• 量化感知训练
  • INT8量化
  • INT4量化
• 通道稀疏
• 自动通道稀疏搜索
• 组合压缩

请参见样例工程中的README。

yolov3

单击Gitee或Github，进入Ascend samples开源仓，从“python/level1_single_api/9_amct/amct_tensorflow/yolo_v3”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。

tensor_decompose

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

张量分解

请参见样例工程中的README。