我可以从量化的 Tensorflow 模型中得到什么结果？答案

【问题标题】：What results can I expect from a quantized Tensoflow model?我可以从量化的 Tensorflow 模型中得到什么结果？
【发布时间】：2019-08-30 16:08:33
【问题描述】：

我有一个非常简单的 Tensorflow 模型，它根据来自 6 个传感器的输入（输入范围从 0.0 到 1.0）输出 3 个值（左、直、右）

inputSensor = Input(shape=(3))
modelSensor = Dense(32, activation="relu")(inputSensor)
modelSensor = Dense(32, activation="relu")(modelSensor)
modelSensor = Dense(numClasses, activation="softmax")(modelSensor)
model = Model(inputs=inputSensor, outputs=modelSensor)

训练模型后，我可以使用将其转换为普通的 TFLite 模型

converter = tf.compat.v1.lite.TFLiteConverter.from_keras_model_file("models/modelpath.h5")
converter.optimizations = [tf.lite.Optimize.DEFAULT]

tflite_model = converter.convert()

然后我在模型上运行一些推理测试，得到我期望的结果。 3 个输出之一为 99%，其他都非常低。

测试权输入 [0.0,0.0,1.0] 结果[[0.00089144 0.00154889 0.99755967]]

测试直输入 [0.0,1.0,0.0] 结果[[0.00087439 0.996424 0.00270158]]

测试左输入 [1.0,0.0,0.0] 结果[[0.9948014 0.00256803 0.00263061]]

然后我对模型进行量化（以便在边缘 TPU 上使用它）

converter =tf.compat.v1.lite.TFLiteConverter. from_keras_model_file 
("models/modelpath.h5")
converter.representative_dataset = representativeDataset_gen
converter.target_spec.supported_ops = 
[tf.lite.OpsSet.TFLITE_BUILTINS_INT8]
converter.inference_input_type = tf.uint8
converter.inference_output_type = tf.uint8
converter.optimizations = [tf.lite.Optimize.DEFAULT]

我运行与上面相同的测试。结果仍然正确，但最大输出为 132，其他输出为 62。

测试权输入 [0.0,0.0,1.0] [[ 62 62 132]]

测试直输入 [0.0,1.0,0.0] [[ 62 132 62]]

测试左输入 [1.0,0.0,0.0] [[132 62 62]]

我希望得到 [[255 0 0]] 范围内的结果

当我使用整数输入时，也会发生同样的事情输入 [0,0,255]

量化转换有问题吗？我应该使用浮点整数作为输入吗？

【问题讨论】：

标签： python tensorflow tpu

【解决方案1】：

当您进行训练后量化时，小型模型肯定会遭受较大的准确度下降。事实上，TensorFlow 团队已建议在应用训练后量化后执行准确性检查。

如果准确性受到严重影响，建议使用quantization-aware-training。

在撰写此答案时，量化意识培训尚未启动。

【讨论】：

【解决方案2】：

我自己发现了问题。

我用于量化转换的代表性数据集不够代表性。它由一个零数组组成。使用适当的数据集（与用于训练的数据集相同）修复了输出 -> [[255 0 0]]

【讨论】：