tensorflow - TensorFlow 中的训练感知自动编码器量化
问题描述
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:
- 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。
- 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。
- 访问编码器(数据)的结果,以及单独评估解码器(结果)。
- 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?
解决方案
推荐阅读
- flutter - 透明重叠应用栏
- swift - NavBar 上的后退按钮上的字体(Swift)
- sql - 在已编写的 SQL 查询中集成 SELECT
- javascript - NodeJS:无法读取未定义的属性“长度”
- docker - Ubuntu 长时间启动 - docker 和网络服务滞后
- r - 从面板数据和投资组合构建中提取年份
- javascript - Purpose of assigning a value to the Angular template element reference?
- r - R代理设置IP和端口
- matlab - Matlab如何过滤特定范围内的数据?
- c# - 自 iOS 13 以来,推送通知不再适用于 Xamarin 应用程序