我正在研究最近發佈的用於對象檢測的「SSD-Mobilenet」模型。 從以下位置下載的模型:https://github.com/tensorflow/models/blob/master/object_detection/g3doc/detection_model_zoo.mdTensorflow SSD-Mobilenet模型使用transform_graph進行量化後精度下降
從網站下載的凍結圖形文件正常工作,但是在量化之後精度顯着下降(主要是隨機預測)。
我建立tensorflow R1.2從源,並用於下面的方法來量化:
巴澤勒濱/ tensorflow /工具/ graph_transforms/transform_graph --in_graph = frozen_inference_graph.pb --out_graph = optimized_graph.pb - -inputs ='image_tensor'--outputs ='detection_boxes','detection_scores','detection_classes','num_detections' - 轉換 ='add_default_attributes strip_unused_nodes(type = float,shape =「1,224,224,3」)fold_constants(ignore_errors = true)fold_batch_norms fold_old_batch_norms quantize_weights strip_unused_nodes sort_by_execution_order'
我嘗試了各種組合的「 變換「部分,並且上面提到的變換有時會給出正確的預測,但是沒有接近原始模型的地方。
有沒有其他方法可以提高量化模型的性能?
你的意思是32位OP和權重的8位... –