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")

父主题： 训练后量化