Tensorflow:量化图不适用于inception-resnet-v2模型
TensorFlow是一个开源的机器学习框架，由Google开发和维护。它提供了丰富的工具和库，用于构建和训练各种机器学习模型。TensorFlow支持量化图，但不适用于inception-resnet-v2模型。
量化图是一种优化技术，通过减少模型中的浮点数精度，从而减小模型的存储空间和计算量。这对于在资源受限的设备上部署模型非常有用，例如移动设备和嵌入式系统。量化图可以将模型中的浮点数参数和激活值转换为低精度的整数表示。
然而，inception-resnet-v2模型是一个非常复杂的深度神经网络模型，具有大量的层和参数。由于其复杂性，使用量化图可能会导致模型的性能下降，因为低精度的表示可能无法准确地捕捉到模型中的细节和复杂性。
因此，对于inception-resnet-v2模型，推荐使用原始的浮点数表示。这将确保模型的性能和准确性得到最大程度的保留。如果需要在资源受限的设备上部署该模型，可以考虑其他优化技术，如模型剪枝、模型压缩等。
腾讯云提供了丰富的机器学习和人工智能相关的产品和服务，可以帮助开发者在云端部署和管理模型。您可以参考腾讯云的机器学习平台AI Lab（https://cloud.tencent.com/product/ai）和深度学习平台DLF（https://cloud.tencent.com/product/dlf）了解更多相关信息。
相关·内容
0回答
Tensorflow:量化图不适用于inception-resnet-v2模型
tensorflow、conv-neural-network、quantization、resnet
我使用对inception-resnet-v2模型进行了量化。冻结图大小(量化输入)为224，6MB，量化图大小为58.6MB。我对某些数据集进行了准确性测试，其中，对于冻结的图，准确率为97.4%，而对于量化的图，准确率为0%。
有没有一种不同的方法来量化inception-resnet版本的模型？或者，对于inception resnet模型，根本不支持<em
浏览 10提问于2017-06-08得票数 1
3回答
可以在安卓系统上运行ssd_mobilenet_v1_fpn进行推理吗？
android、tensorflow、tensorflow-lite、object-detection-api、mobilenet
我正在为Android开发一个对象检测应用程序，我在使用ssd_mobilenet_v1_fpn模型进行培训时获得了良好的性能。Google：这里的非量化模型OneDr
浏览 20提问于2020-09-16得票数 0
回答已采纳
1回答
批量规范化量化Tensorflow 1.x没有MinMax信息
tensorflow、tensorflow-lite、batch-normalization、quantization、quantization-aware-training
一层(.)它是生成输出阵列模型/re_lu_1/Relu的Conv算子的输入，缺少最小/最大数据，这是量化所必需的。如果准确性很重要，可以针对非量化的输出格式，或者使用模型从浮点检查点进行量化培训，以更改输入图以包含min/max信息。
浏览 4提问于2020-09-01得票数 1
回答已采纳
1回答
transform_graph量化后Tensorflow SSD-Mobilenet模型精度下降
tensorflow、deep-learning、object-detection
我正在研究谷歌最近发布的“”模型，用于对象检测。从以下位置下载的模型：bazel-bin/tensorflow/tools/graph_transforms/transform_graph --in_图=冻结_推论_Graph.pb--out_图
浏览 2提问于2017-06-29得票数 2
2回答
如何转换为边缘TPU板的自定义数据集培训的模型？
tensorflow、object-detection、tensorflow-datasets、google-coral、tensorflow-lite
现在，我想将模型转换为lite，并在板上运行，以检测我的自定义对象。我已经浏览了谷歌珊瑚委员会网站提供的文档，但我发现它非常令人困惑。如何在Google Coral Edge TPU板上转换和运行？
浏览 2提问于2020-01-21得票数 1
1回答
如何将tflite模型转换为Tensorflow中的冻结图(.pb)？
tensorflow、quantization、onnx、tensorflow-lite
我想将整数量化的tflite模型转换为Tensorflow中的冻结图 (.pb)。我在StackOverflow上阅读并尝试了许多解决方案，但都没有奏效。具体来说，toco不起作用(output_format不能是TENSORFLOW_GRAPHDEF)。我的最终目标是通过 tf2onnx 获得一个量化的ONNX模型，但是tf2onnx不支持tflite作为输入(只支持saved_model、检查点和graph_def )。但是，在使用TFLiteConverter对经
浏览 3提问于2020-07-20得票数 3
1回答
利用TF-2.0将saved_model转换为TFLite模型
python、tensorflow、tensorflow2.0、tensorflow-lite
目前，我正致力于将自定义对象检测模型(使用SSD和初始网络进行培训)转换为量化的TFLite模型。我可以使用以下代码片段(使用TFLite Tensorflow 1.4)将自定义对象检测模型从冻结图转换为量化的模型：open(args["output"], "wb")
浏览 2提问于2020-01-10得票数 1
回答已采纳
1回答
用8位量化将Keras MobileNet模型转换为TFLite模型
python、tensorflow、keras、tensorflow-lite
现在我有了model.h5，我需要将它转换为TensorFlow Lite，以便在安卓应用程序中使用它。
如果我使用default_ranges_min和default_ranges_max (称为“虚拟-量化”)，它可以工作，但它只用于调试性能，
浏览 0提问于2018-11-27得票数 4
回答已采纳
1回答
如何改进tensorflow中的计算时间
android、optimization、tensorflow
我在android中使用tensorflow。我安装了适用于TFClassify的apk。我运行了应用程序，它运行得很快，推理时间不超过400ms。然而，当我用我的模型替换可用的训练模型时，在显示结果之前需要大约2000ms的计算时间。为什么会有这样的差异，我如何优化我的retrained_graph.pb？
浏览 1提问于2017-04-25得票数 1
1回答
TensorFlowLite、TendorFlow-TRT和TensorRT的主要区别是什么？
tensorflow、tensorflow-lite、tensorrt、tensorflow-model-garden
这就是我如何了解TensorFlow-Lite，TensorFlow-TRT和TensorRT的.我有一些关于他们的问题：使用TensorFlow动物园提供的模型c.使用原型对图形进行序列化。d.改为Tf
浏览 6提问于2020-09-07得票数 1
1回答
更轻的替代tensorflow-python的发行
python、tensorflow、deployment、pyinstaller、predict
我试图将py文件编译为二进制文件，该二进制文件简单地从json文件读取模型并通过导入的模型预测输出。现在的问题是，当我试图通过pyinstaller编译程序时，生成的文件大约为290 it，因为它试图编译整个tensorflow包和它不想要的依赖项。更不用说，在尝试提取文件时，启动非常慢。import osfrom tensorflow.keras.models],o
浏览 2提问于2020-06-16得票数 1
回答已采纳
1回答
Tensorflow vs Tensorflow Lite for mobile apps ML数据管道
tensorflow、mobile、tensorflow2.0、tensorflow-lite
目前，我正处于一个非常早期的阶段，试图弄清楚基础设施，但我对tensorflow和tensorflow lite感到困惑。我可以使用tensorflow构建系统，然后在训练、超参数调整等之后在后端部署模型吗？当你想在移动设备上使用ML时，是否强制使用tensorfow lite，或者只有当你真正想要在手机设备上训练模型时才使用它？
浏览 13提问于2021-03-16得票数 0
回答已采纳
2回答
将.tflite与iOS和GPU结合使用
ios、tensorflow、deep-learning、gpu、quantization
我创建了一个新的基于MobilenetV2的tflite模型。它工作良好，无需量化，在iOS上使用CPU。我应该说，TensorFlow团队做得很好，非常感谢。500 for用于MobilenetV2，输入为224*224输入MobilenetV2，输入图像为160*160。我使用Tensorflow v2.1.0来训练和量化我的模型。，但是模型
浏览 9提问于2020-05-01得票数 0
回答已采纳
2回答
感流量子化
tensorflow
我想使用Tensorflow的transform_graph工具来优化一个图表。我试着从 (以及其他具有类似编解码结构的人)中优化图形。但是，在使用quantize_weights时，优化的图实际上要慢得多，在使用quantize_nodes时则要慢得多。从Tensorflow的文档来看，量化时可能没有任何改进，甚至可能更慢。TensorFlow版本:都使用r1.3
CUDA/cuDNN版本: 8.0/6.0 (仅推
浏览 3提问于2017-10-10得票数 8
回答已采纳
1回答
用量化将Mobilenet SSD转换为TensorFlow Lite
tensorflow、object-detection、tensorflow-lite、object-detection-api、mobilenet
我想将一个经过预先训练的mobilenetv2 (或v1) ssd模型转换为TFLite，并按照描述的进行量化和优化。但是即使没有任何量化，我也得到了将模型转换为TFLite模型的错误。/lite/toco/import_tensorflow.cc:659]转换不支持的操作: TensorArrayWriteV3 2020-04-29 13:58.432342:i tensorflow运算符，6778数组(0量化) 202
浏览 5提问于2020-04-29得票数 1
1回答
我试图对tensorflow模型做一个量化的移动网模型，但是遇到了一个错误。
tensorflow、tensorflow-lite
首先，我从Mobilenet下载了一个量化模型。它包含在Mobilenet_v1_1.0_224中。input \> --mean_value=128 \以下是图的摘要]在一般图形转换后通过1: 63操作符，152个数组(1量化) 2018-03-01 23:12:03.376325: i在预量化图转换前:
浏览 0提问于2018-03-02得票数 3
回答已采纳
1回答
TensorFlow量化感知训练量化节点附加参数的研究
tensorflow、tensorflow-lite
目前，我正试图理解量化感知的TensorFlow培训。据我所知，伪量化节点需要收集动态范围信息作为量化操作的校准。当我将同一模型与“普通”Keras模型和一次量化感知模型进行比较时，后者具有更多的参数，这是有意义的，因为我们需要在量化感知训练中存储激活的最小值和最大值。请考虑以下示例：from tensorflow.keras import laye
浏览 9提问于2020-05-06得票数 0
回答已采纳
1回答
我可以从Google引擎下载经过训练的模型吗？
tensorflow、neural-network、google-cloud-platform、google-cloud-ml
我需要在离线设备中部署卷积神经网络模型。我知道我们可以使用来训练一个模型，调优超参数并部署它来进行预测。但我的问题是，我们是否可以下载经过训练的TensorFlow模型并将其部署到自定义设备上进行预测？
注意-自定义设备将有很大的处理能力，但没有互联网连接。
浏览 2提问于2017-06-06得票数 2
回答已采纳
1回答
用于Android的Tensorflow量化图
android、c++、tensorflow
我正在尝试将量化的图形加载到Android应用程序中。我的构建文件包含 "//tensorflow/contrib/quantization:cc_array_ops",
"//tensorflow/contrib/qua
浏览 0提问于2016-06-22得票数 4
2回答
不支持的TensorFlow op:去量化
python、tensorflow、deep-learning
使用Tensorflow 1.6.0toco --input_format=TENSORFLOW_GRAPHDEF ---mean_values=128 --std_values=128 --d获取以下错误：
未实现:此图包含一个类型的运算符(不支持的TensorFlow op: Dequantize)，其<em
浏览 3提问于2018-05-03得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
活动推荐
腾讯云开发者
