我想训练量化网络，即在正向传递期间使用量化权重来计算损耗，然后在后向传递期间更新基础全精度浮点权重。
这个问题已经被问到here但没有回答。
请注意，在我的情况下，“假量化”就足够了。这意味着权重仍然可以存储为32位浮点值，只要它们代表低位宽量化值。
在blog post from Pete Warden他声明：
“[...]我们确实支持”假量化“运算符。如果你在图表中包含这些预期量化的点（例如在卷积之后），那么在前向传递浮点数值将四舍五入到指定的级别数（通常为256），以模拟量化效果。“
上述运营商可在TensorFlow API。
中找到有人能指出我如何使用这些功能吗？ 如果我在例如在我的模型定义中的转换层，为什么要量化层中的权重而不是该层的输出（激活）？