La cuantificación posterior al entrenamiento incluye técnicas generales para reducir la latencia, el procesamiento, la potencia y el tamaño del modelo del acelerador de hardware y CPU con poca degradación en la precisión del modelo. Estas técnicas se pueden realizar en un modelo flotante de TensorFlow ya entrenado y aplicarse durante la conversión de TensorFlow Lite. Estas técnicas están habilitadas como opciones en el convertidor TensorFlow Lite .
Para pasar directamente a ejemplos completos, consulte los siguientes tutoriales:
- Cuantización del rango dinámico post-entrenamiento
- Cuantización de enteros completos posterior al entrenamiento
- Cuantización float16 post-entrenamiento
Pesos de cuantificación
Los pesos se pueden convertir a tipos con precisión reducida, como flotantes de 16 bits o enteros de 8 bits. Generalmente recomendamos flotantes de 16 bits para la aceleración de la GPU y enteros de 8 bits para la ejecución de la CPU.
Por ejemplo, aquí se explica cómo especificar la cuantificación de peso de enteros de 8 bits:
import tensorflow as tf
converter = tf.lite.TFLiteConverter.from_saved_model(saved_model_dir)
converter.optimizations = [tf.lite.Optimize.DEFAULT]
tflite_quant_model = converter.convert()
Por inferencia, las partes más críticamente intensivas se calculan con 8 bits en lugar de punto flotante. Hay cierta sobrecarga de rendimiento en el tiempo de inferencia, en relación con la cuantificación tanto de los pesos como de las activaciones a continuación.
Para obtener más información, consulta la guía de cuantización posterior al entrenamiento de TensorFlow Lite.
Cuantización entera completa de pesos y activaciones.
Mejore la latencia, el procesamiento y el uso de energía, y obtenga acceso a aceleradores de hardware de solo números enteros asegurándose de que tanto los pesos como las activaciones estén cuantificados. Esto requiere un pequeño conjunto de datos representativos.
import tensorflow as tf
def representative_dataset_gen():
for _ in range(num_calibration_steps):
# Get sample input data as a numpy array in a method of your choosing.
yield [input]
converter = tf.lite.TFLiteConverter.from_saved_model(saved_model_dir)
converter.optimizations = [tf.lite.Optimize.DEFAULT]
converter.representative_dataset = representative_dataset_gen
tflite_quant_model = converter.convert()
El modelo resultante seguirá recibiendo entradas y salidas flotantes por conveniencia.
Para obtener más información, consulta la guía de cuantización posterior al entrenamiento de TensorFlow Lite.