Python 使用量化支架安装Tensorflow

以下是我提出的另一个问题：

基本上，我想安装支持8位量化的Tensorflow。目前，我使用pip安装方法在CentOS 7机器上安装了Tensorflow 0.9（不支持GPU）

我可以编译并运行Pete Warden博客中给出的代码。但是，我无法导入Pete Warden回复中给出的函数。我想添加量化支持。我在Tensorflow文档中也找不到关于量化部分的任何细节

---

有人能分享如何做的细节吗？

目前，我可以想出一个方法来做这件事。但仍在等待TensorFlow开发者的官方方法

首先安装tensorflow（我尝试了源代码安装和PIP安装，两者都很好）

从Github repo获取tensorflow源，并转到tensorflow根目录（我称之为

tensorflow\u root

）

现在编译量化脚本，如中所示

bazel build tensorflow/contrib/quantization/tools:quantize\u graph

这将为量化版本创建ops库。转到tensorflow_root/bazel bin/tensorflow/contrib/quantization，您将看到两个库文件：

\u quantized_ops.so

和

内核/\u quantized_内核。因此

现在，在脚本中，与tensorflow一起，还应该使用专用的tensorflow函数导入这两个库文件

您可以使用tf.load\u op\u library（）函数执行此操作

import tensorflow as tf
qops = tf.load_op_library('[tensorflow_root]/bazel-bin/tensorflow/contrib/quantization/_quantized_ops.so')
qkernelops = tf.load_op_library('[tensorflow_root]/bazel-bin/tensorflow/contrib/quantization/kernels/_quantized_kernels.so')

---

您正在使用tensorflow的GPU或CPU版本

例如，它在CPU上不工作，尽管正如Abid提到的，从本地工作目录加载ops库

但是，当最新版本集成了这些ops并且导入时没有错误时，使用bazel build有什么意义呢

$khemant@saturn：~/DeepLearning/TF$python-c“将tensorflow作为TF导入；打印（TF.\uu版本）”

0.12.0-rc0

$khemant@saturn：~/DeepLearning/TF$python

Python 2.7.6（默认，2016年10月26日，20:30:19） [GCC 4.8.4]关于linux2 有关详细信息，请键入“帮助”、“版权”、“信用证”或“许可证”

>>来自tensorflow.contrib.quantization导入负载\u量化操作\u so

回溯（最近一次呼叫最后一次）： 文件“”，第1行，在 导入错误：无法导入名称加载\u量化\u操作\u so

>>将tensorflow作为tf导入

>>来自tensorflow.contrib.quantization导入负载\u量化操作\u so

回溯（最近一次呼叫最后一次）： 文件“”，第1行，在 导入错误：无法导入名称加载\u量化\u操作\u so

---

`

更新tensorflow版本可解决此加载问题。此版本的任何更新？在最新的TF克隆中都不起作用。最新的tensorflow（v0.10）不需要此版本。它直接加载并将开箱即用。最新的tensorflow（v0.10+）不需要这个。它是直接加载的，可以开箱即用。我在发布这个问题时使用了v0.9。上面显示的是tensroflow v0.12。尽管导入了tensforflow，但错误仍然存在。为什么？如果导入load_quantized_ops_成功，python中的量化api usgae细节在哪里？比如说，api描述是什么没有bazel构建就可以使用ion。我能够在python中成功导入量化操作和