fallback - 以黑色为主的 uint16 图像的训练后量化

Question

我的应用程序有一个训练有素的模型，我尝试使用 keras 进行训练后量化。但是后备量化根本不起作用。我的图像是 uint16，它是灰度（1 通道）。我的模型无需量化即可工作。在我的其他应用程序中，量化也适用于 rgb 图像。但是使用后备量化，我的模型和 uint16 灰度数据没有得到很好的输出。这是我使用的图像的分布。

训练后量化应该怎么做？

这是转换的代码：

{input_data = (img/(255*255)).astype('float32')
interpreter = tf.lite.Interpreter(model_path=TFLiteModelPath)
interpreter.allocate_tensors()

input_details = interpreter.get_input_details()
output_details = interpreter.get_output_details()


interpreter.set_tensor(input_details[0]['index'], input_data)
interpreter.invoke()
TFLiteResult = interpreter.get_tensor(output_details[0]['index'])
img =TFLiteResult[0]*255*255}

标签： fallbackquantization