模型壓縮之post-training quantization

一，post-training quantization的工作原理 在底層，通過將參數（即神經網絡權重）的精度從訓練時的32位浮點表示降低到更小、更高效的8位整數表示來運行優化（也稱爲量化）。 post-training量化指南：https://www.tensorflow.org/performance/post_training_quantization這些優化將確保將最終模型中精度降低的操作

>>阅读原文<<