weixin_43490422的博客

文章目录1 全整形量化（Full integer quantization）1.1 训练一个keras模型并转换为tflite格式1.2 使用浮点回退量化（float fallback quantization）1.3 仅有integer的量化（integer-only quantization）1 全整形量化（Full integer quantization）在模型转换时将权重张量以及激活张量从32位浮点数量化为8bit整数1.1 训练一个keras模型并转换为tflite格式#数据预处理tr

1 量化方法在tensorflow官网中有两种类型的量化方法：量化感知训练（Quantization aware training）训练后量化（Post-training quantization）这两种方法一种是在训练中量化，一种是训练后量化。1.1 优缺点比较：训练后：集成到tensorflow lite转换器中，迭代快、容易使用，但是模型精度损失较大。训练过程中：基于Keras搭建。相对难以使用，需要更长的时间来重新训练模型，但对模型精度的保持比较好。2 训练后量化因为训练后