python - TensorFlow - 层之间的不同位宽量化
问题描述
TensorFlow 是否支持层之间不同的位宽量化,或者是否必须在整个模型中执行相同的技术?
例如,假设我在层执行16-bit
量化。n
我可以在层执行8-bit
量化吗?n+1
解决方案
不,到目前为止,还没有dtype
为模型的不同层定义不同的选项。
根据. _ _ tf.keras.layers.Layer
这是所有层都继承的类。
dtype - 层的计算和权重的 dtype(默认为 None 表示在 TensorFlow 2 中使用 tf.keras.backend.floatx,或者在 TensorFlow 1 中使用第一个输入的类型)。
推荐阅读
- reactjs - 如何使用 Visual Studio 2017 调试在 CEFSharp 浏览器控件中运行的 TypeScript 代码(.tsx 文件)?
- c++ - 我正在编写一个代码来将一个 int 数组存储在一个文件中,然后在 c++ 中检索它,但是在检索第一项是虚假值时,我该如何解决这个问题?
- javascript - 动态创建的 boostrap 4 卡显示为列而不是正常布局(行)
- python - 需要 Django 权限
- javascript - 仅更新我更改其他状态的日期不应更新或更改 ReactJS/React-Hooks
- c# - 如何只刷新一个包含highchart图例而不是整个页面的更新面板?
- scala - Mill Build Tool,如何使用“驱逐”
- json - BigQuery 到 GCS JSON
- c - 为什么 getchar() 在二维数组中存储重复值?
- forms - 如何将表单的关闭按钮放在右侧?