Tensorflow TensorRT/TFlite示例实现

拥有经过培训的“.h5”Keras模型文件，我正在尝试优化推理时间：

探索了两种选择：

基于TensorRT的加速推理

“int8”量化

此时，我可以将模型文件转换为TensorFlow protobuf“.pb”格式，但作为旁注，它还包含少数层的自定义对象

我看过一些关于TensorRT转换和TFLite转换的文章，但我似乎没有找到一个清晰的健壮实现。有人能解释一下如何使用相同的模型进行更快的推断（TFLite/Keras量化或TensorRT）

---

（开放获取其他建议，以提高TensorFlow和Keras支持的推理速度）

这是关于如何在TF中使用TensorRT的用户指南：

本讲座解释了TensorRT在TF中的工作原理：

请注意，TensorRT还支持INT8量化（在培训期间或培训后）

这篇博文也有类似的内容：

---

此存储库有一系列示例演示如何使用它：

谢谢。但这些都是我在问题中提到的文章。这些似乎都不是实现TRT的简单解释。