Tensorflowのトレーニング済み.pb又はcheckpointからFull Integer Quantization(整数量子化)を施した軽量モデル(.tflite)を生成し、更にRaspberryPi4へUbuntu19.10 aarch64(64bit)を導入してCPUのみで高速に推論するUbuntuRaspberryPiDeepLearningTensorFlowTensorflowLite PINTO_model_zoo TensorflowLite-bin Bazel_bin 1.Introduction 自力で Full Integer Quantization を実施してモデルのパフォーマンスを上げたいと常々考えています。 今回は、公式のチュートリアルを完全に無視して独自の Full Integer Quantization 手順を整理してみました。 公式のチュートリア
![Tensorflowのトレーニング済み.pb又はcheckpointからFull Integer Quantization(整数量子化)を施した軽量モデル(.tflite)を生成し、更にRaspberryPi4へUbuntu19.10 aarch64(64bit)を導入してCPUのみで高速に推論する - Qiita](https://cdn-ak-scissors.b.st-hatena.com/image/square/b710a361e93823e4344d0cef08683e394a81bcfa/height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fcdn.qiita.com%252Fassets%252Fpublic%252Farticle-ogp-background-412672c5f0600ab9a64263b751f1bc81.png%3Fixlib%3Drb-4.0.0%26w%3D1200%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-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%26mark-x%3D142%26mark-y%3D57%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZoPTc2Jnc9NzcwJnR4dD0lNDBQSU5UTyZ0eHQtY29sb3I9JTIzMjEyMTIxJnR4dC1mb250PUhpcmFnaW5vJTIwU2FucyUyMFc2JnR4dC1zaXplPTM2JnR4dC1hbGlnbj1sZWZ0JTJDdG9wJnM9ZDc0MDllNThhZDg0NWJiODAyMjk4MmQwNTI1OWRjZDU%26blend-x%3D142%26blend-y%3D486%26blend-mode%3Dnormal%26s%3D91278fcafa7bf544e0c795b5e751319c)