interpreter.get_input_details() 中的“量化”是啥意思?
Posted
技术标签:
【中文标题】interpreter.get_input_details() 中的“量化”是啥意思?【英文标题】:What does 'quantization' mean in interpreter.get_input_details()?interpreter.get_input_details() 中的“量化”是什么意思? 【发布时间】:2019-07-16 17:27:30 【问题描述】:使用 tflite 并获取解释器的属性,例如:
print(interpreter.get_input_details())
['name': 'input_1_1', 'index': 47, 'shape': array([ 1, 128, 128, 3], dtype=int32), 'dtype': <class 'numpy.uint8'>, 'quantization': (0.003921568859368563, 0)]
'quantization': (0.003921568859368563, 0)
是什么意思?
【问题讨论】:
【参考方案1】:表示量化参数值:输入张量的scale和zero_point。
这是使用公式将量化的 uint8 数 q 转换为浮点数 f 所必需的:
f = (q - zero_point) * scale
【讨论】:
【参考方案2】:很遗憾,documentation of get_input_details
没有解释:
Returns: A list of input details.
但是如果你查看源代码get_input_details
,它会调用_get_tensor_details
(source),并且这个函数确实记录了它:
"""Gets tensor details.
Args:
tensor_index: Tensor index of tensor to query.
Returns:
A dictionary containing the following fields of the tensor:
'name': The tensor name.
'index': The tensor index in the interpreter.
'shape': The shape of the tensor.
'quantization': Deprecated, use 'quantization_parameters'. This field
only works for per-tensor quantization, whereas
'quantization_parameters' works in all cases.
'quantization_parameters': The parameters used to quantize the tensor:
'scales': List of scales (one if per-tensor quantization)
'zero_points': List of zero_points (one if per-tensor quantization)
'quantized_dimension': Specifies the dimension of per-axis
quantization, in the case of multiple scales/zero_points.
什么意思?
这些量化参数是用于量化的值(将一系列数字从一个范围转换为另一个更有限的范围,例如 0-10 到 0-1)。在 TensorFlow 中,这专门用于表示当数据类型更改为支持较少数字的数据类型时:例如float32 到 float16,或 float32 到 uint8,或 float16 到 int8。反量化则相反(例如,当您想从量化为 uint8 且量化输出在 0-255 之间的模型中获取概率时)。
数学很简单,就像更一般的形式规范化(使范围从 (0 到 1)):
量化:q = (f / s) + z
去量化:f = (q - z) * s
有关此量化方程的更多信息,请参阅Quantization Specification。
注意: Aleksandr Kondratyev
的方程 f = (q - zero_point) * scale
实际上是反量化,因为它需要 q(量化值)并为您提供 f(浮点数)。当然,您可以将等式倒转得到另一个。
【讨论】:
以上是关于interpreter.get_input_details() 中的“量化”是啥意思?的主要内容,如果未能解决你的问题,请参考以下文章