Python 检查模型的量化状态

我有一个Keras（不是tf.Keras）模型，我对它进行了量化（训练后）以在嵌入式设备上运行它

为了将模型转换为量化的tflite模型，我尝试了不同的方法，最后得到了大约五个版本的量化模型。它们的大小都略有不同，但它们似乎都在我的x86机器上工作。所有模型显示不同的推理时间

现在，我想检查模型实际上是如何量化的（完全，仅权重，…），因为嵌入式解决方案仅采用完全量化的模型。我想了解更多细节，例如，重量的差异是什么（也许可以解释不同的模型尺寸）。模型摘要没有给出任何见解

• 你能告诉我怎么做吗
• 有人知道TF1.x版本的tflite转换是否总是完全量化的吗

谢谢

---

更多解释：

正如我使用的那样，模型应该完全量化

converter.inference_input_type = tf.uint8
converter.inference_output_type = tf.uint8

在转换期间。但是，我必须使用TF1.x版本来转换，或者分别使用TF2.x从_keras_model_文件转换tf.compat.v1.lite.TFLiteConverter。因此，我不确定使用“经典”TF1.x版本或tf.compat.v1的输出模型。版本

创建不同模型的方式

使用TF1.3转换h5模型

使用TF1.5.3转换h5模型

使用TF2.2转换h5模型

使用TF1.3将h5模型转换为pb

将h5模型转换为pb TF1.5

使用TF2.2将h5模型转换为pb

使用TF1.5.3转换转换的pb模型

使用TF2.2转换转换的pb模型

---

是可视化网络的便捷工具。您可以选择各个图层，查看权重、偏差、输入和输出的类型和值。

谢谢。我试试这个。期待着一些漂亮的展示。保持健康，不客气。如果您使用Netron，还应该看到TF1.x应该返回完全量化的网络。欢迎使用。如果你认为答案是足够的，请考虑通过它旁边的绿色支票接受它：）-我必须首先检查它。祝你今天愉快，谢谢你的帮助