Tensorflow 每通道量化

Question

使用当前的 Tensorflow量化操作，我将如何在推理过程中模拟每通道量化？这个纸定义每层量化为

我们可以为整个张量指定单个量化器（由尺度和零点定义），称为每层量化

和每通道量化为

每通道量化对于每个卷积核都有不同的尺度和偏移。

假设我们有这个子图

import tensorflow as tf

x = np.random.uniform(size=500*80*64*1)

      .astype('float32')

      .reshape(500, 80, 64, 1)

W1 = tf.get_variable('W1', 9, 5, 1, 96],

                    initializer=tf.truncated_normal_initializer(stddev=0.1))

h1 = tf.nn.conv2d(x, w, strides=[1, 1, 1, 1], padding='VALID')

在当前的 API 下，我可能会做这样的事情来在推理时模拟每层量化

import tensorflow as tf

x = np.random.uniform(size=500*80*64*1)

      .astype('float32')

      .reshape(500, 80, 64, 1)

min_x = tf.reduce_min(x)

max_x = tf.reduce_max(x)

W1 = tf.get_variable('W1', 9, 5, 1, 96],

                    initializer=tf.truncated_normal_initializer(stddev=0.1))

min_W1 = tf.reduce_min(W1)

max_W1 = tf.reduce_max(W1)

qX = tf.quantize(A, min_X, max_X, tf.quint8, mode='MIN_FIRST')

qW = tf.quantize(W, min_W, max_W, tf.quint8, mode='MIN_FIRST')

# This is how one would simulate per layer quantization for convolution.

qAW = tf.nn.quantized_conv2d(qX[0], qW[0], qX[1], qX[2], qW[1], qW[2], 

strides = [1, 1, 1, 1], padding='VALID')

我的问题是如何模拟每个通道的量化？据我了解，tf.quantization.quantize实际上是在进行每层量化而不是每通道量化。此外，tf.nn.quantized_conv2d实际上是在对量化层内核卷积进行量化层输入。

根据我对每通道量化的理解，会有k,output_min和output_max。哪里k是96在我的例子（内核的数目，类似于此API）。

tensorflow 中是否有任何现有的 Ops 可以处理每通道量化，或者有没有办法让它与现有的 ops 一起工作？

Answer 1

目前还没有办法在 tflite 上模拟每通道量化推理。正如我所见，如今的 tensorflow 开发人员正在实施实验性的每通道对称量化。但是没有办法测试