0
J'ai fait la quantification sur le modèle inception-resnet-v2 en utilisant https://www.tensorflow.org/performance/quantization#how_can_you_quantize_your_models. La taille du graphe figé (entrée pour la quantification) est de 224,6 Mo et le graphe quantifié est de 58,6 Mo. J'ai effectué un test de précision pour certains jeux de données dans lesquels, pour un graphe figé, la précision est de 97,4% alors que pour un graphe quantifié, il est de 0%. Existe-t-il une manière différente de quantifier le modèle pour les versions inception-resnet? ou, pour le modèle inception-resnet, la quantification n'est pas du tout supportée?Tensorflow: Le graphique quantifié ne fonctionnait pas pour le modèle inception-resnet-v2
J'ai également essayé graph_transforms. D'une certaine manière pour le modèle resnet je ne pouvais pas obtenir de succès quatized_graph en utilisant aussi graph_transform .. Voici les liens pour votre référence: https://stackoverflow.com/questions/44492936/graph-transform-gives-error-in-tensorflow https://github.com/tensorflow/tensorflow/issues/10739 nœuds d'entrée: j'ai essayé avec InputImage: 0 et aussi avec InputImage noeuds de sortie: InceptionResnetV2/logits/prédictions – Namitha
@Namitha Je l'ai travailler pour inception_resnet_v2. Avez-vous construit à partir de la source et a exécuté la construction de bazel? Mais le problème est que ça tourne plus lentement. –
Oui, je l'ai fait. J'ai fait une construction à partir de la source, puis j'ai lancé la construction de bazel. quand as-tu essayé avec ça? parce que je ne suis pas sûr si de nouveaux changements dans le code source de tensorflow me causent des problèmes. J'ai essayé pendant le milieu de juin et j'ai eu des problèmes pour que ça marche. Si je ne donne pas quantize_nodes, cela fonctionne mais la précision est "0". Il fait des prédictions très aléatoires qui sont totalement incorrects. – Namitha