tensorflow - TensorFlow 中的训练感知自动编码器量化

Question

我正在尝试将训练感知量化应用于 TF 中的自动编码器，这不仅是出于性能原因，也是为了更有效地存储编码数据。

让我们保持架构非常简单：只有一个密集层，没有激活用于编码，另一个用于解码。实际上，只是矩阵乘法加上两边的偏差。

我试图弄清楚如何：

1. 使编码器以float32数据作为输入，使用float32（优先编码精度）进行运算，并产生量化的整数数据作为输出。
2. 使解码器以整数量化数据作为输入，使用量化进行操作（优先解码性能），并将结果反量化为float32。
3. 访问编码器（数据）的结果，以及单独评估解码器（结果）。
4. 使通过解码器（编码器（数据））进行反向传播成为可能，因此我可以应用训练感知量化。

但是，我找到的文档都是关于出于性能原因量化整个模型的，而我在这里的情况并非如此。有什么建议么？

标签： tensorflowautoencoderquantization