训练后量化后DNN模型发生变化

时间:2020-11-07 13:54:28

标签: python tensorflow keras yolo quantization

我一直在跟踪this tutorial,以与keras开发yolo网络。

非量化模型如下所示: last layers of the model

类似这样的输出:[(1、13、13、255),(1、26、26、255),(1、52、52、255)]

量化后的模型如下: last layers of the model

类似这样的输出:[[52,255),(52,255),(52,255),(52,255),(52,255),(52,255),(52,255) ,(52、255),(52、255),(52、255),(52、255),(52、255),...) 使用相同的输入图片

正如我们所见,图层的形状已更改,输出形状也有所不同。我已经使用[tf.lite.Optimize.DEFAULT]作为优化方法。现在,我在为量子模型制作边界框时遇到了麻烦。是否应该更改图层的形状?

Here for post quantization training methods

0 个答案:

没有答案