Ewenwan / MVision

机器人视觉 移动机器人 VS-SLAM ORB-SLAM2 深度学习目标检测 yolov3 行为检测 opencv PCL 机器学习 无人驾驶

Geek Repo:Geek Repo

Github PK Tool:Github PK Tool

量化时的近似策略

huagangxiaoyan666 opened this issue · comments

您好,我在ristretto原论文中看到网络在进行量化的过程中可以设置近似的策略(round、floor等)代码中也可以看到。可是我看到在示例:SqueezeNet量化到动态定点部分的命令中,并没有涉及到量化时近似的策略,所以我想问一下,默认的量化策略是什么?或者量化策略的命令应该如何设置?

https://github.com/Ewenwan/ristretto_ssd/blob/master/src/caffe/proto/caffe.proto
默认的取整方式在caffe.proto中定义,我看到的好像是就近取整。
ristretto在生成量化prototxt时,没有在量化层的参数中写入 rounding_schame参数,这时候应该就是按照默认的方式进行量化。
如果你不想改源码,可以直接在 prototxt中的每一个简化层添加你想要的取整方式。

好的,非常感谢