如何解决TensorFlow-层之间的不同位宽量化
TensorFlow是否支持各层之间不同的位宽量化,还是必须在整个模型上执行相同的技术?
例如,假设我在16-bit
层执行n
量化。我可以在8-bit
层上执行n+1
量化吗?
解决方法
否,到目前为止,还没有为模型的不同层定义不同的dtype
的选项。
根据tf.keras.layers.Layer
的{{3}}。这是所有图层继承的类。
dtype-图层计算和权重的dtype(默认为 None表示在TensorFlow 2中使用tf.keras.backend.floatx或 TensorFlow 1中的第一个输入。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。