Question

使用tflite并获取解释器的属性，例如：

print(interpreter.get_input_details())

[{'name': 'input_1_1', 'index': 47, 'shape': array([  1, 128, 128,   3], dtype=int32), 'dtype': <class 'numpy.uint8'>, 'quantization': (0.003921568859368563, 0)}]

'quantization': (0.003921568859368563, 0)是什么意思？

Answer 1

表示量化参数值：输入张量的标度和零点。

这是使用公式将量化的uint8数q转换为浮点数f所必需的：

f = (q - zero_point) * scale

Answer 2

不幸的是，documentation of get_input_details 没有解释：

<块引用>

Returns: A list of input details.

但是如果您查看源代码 get_input_details，它会调用 _get_tensor_details (source)，并且该函数确实记录了它：

    """Gets tensor details.
    Args:
      tensor_index: Tensor index of tensor to query.
    Returns:
      A dictionary containing the following fields of the tensor:
        'name': The tensor name.
        'index': The tensor index in the interpreter.
        'shape': The shape of the tensor.
        'quantization': Deprecated, use 'quantization_parameters'. This field
            only works for per-tensor quantization, whereas
            'quantization_parameters' works in all cases.
        'quantization_parameters': The parameters used to quantize the tensor:
          'scales': List of scales (one if per-tensor quantization)
          'zero_points': List of zero_points (one if per-tensor quantization)
          'quantized_dimension': Specifies the dimension of per-axis
              quantization, in the case of multiple scales/zero_points.

这是什么意思？

这些量化参数是用于量化的值（将一系列数字从一个范围转换为另一个更有限的范围，例如 0-10 到 0-1）。在 TensorFlow 中，这专门用于表示当数据类型更改为支持较少数字的数据类型时：例如float32 到 float16，或 float32 到 uint8，或 float16 到 int8。反量化则相反（例如，当您想从量化为 uint8 且量化输出介于 0-255 之间的模型中获取概率时）。

数学很简单，就像更一般的形式规范化（使范围从（0 到 1）：

量化：q = (f / s) + z
去量化：f = (q - z) * s
有关此量化方程的更多信息，请参阅 Quantization Specification。

注意： Aleksandr Kondratyev 的方程 f = (q - zero_point) * scale 实际上是反量化，因为它采用 q（量化值）并为您提供 f（浮点数）。当然你可以把等式反过来得到另一个。

“数字化”在解释器.get_input_details（）中是什么意思？

2 个答案:

这是什么意思？