tensorflow2.0 - 使用虚拟数据集测试英特尔低精度优化工具

Question

我在 Linux 中试用英特尔低精度优化工具。最初，我创建了一个名为 lpot_environment 的环境并使用以下命令安装了 tensorflow：

conda create -n lpot_environment python=3.7
pip install intel-tensorflow==2.3.0

然后我将 github 存储库克隆为：

git clone https://github.com/intel/neural-compressor.git

我下载了冷冻模型。

作为迈向 intel lpot 的第一步，我想使用一个虚拟数据加载器运行。但我没能找到一个。

如果有人使用 intel lpot 中的虚拟数据集发送代码示例，那就太好了。

Answer 1

您可以使用以下代码量化 TensorFlow 检查点并使用虚拟数据加载器运行。

quantizer = Quantization('./conf.yaml')
dataset = quantizer.dataset('dummy_v2', \
    input_shape=(100, 100, 3), label_shape=(1, ))
quantizer.model = common.Model('./model/public/rfcn-resnet101-coco-tf/rfcn_resnet101_coco_2018_01_28/')
quantizer.calib_dataloader = common.DataLoader(dataset)
quantized_model = quantizer()

运行量化将创建一个虚拟数据加载器。