这里要提一下tflite的量化与eiq的量化。貌似使用tflite量化出来的模型会是eiq的两倍大小，但是tflite量化后是基本没损失的，挺奇怪。相比于tf1的量化，tf2的量化就简介多了。在convert2tflite.py文件内，提供了量化、tflite测试以及绘制混淆矩阵的例子。因为我们会训练许多模型，它会有不同的参数，所以在每次量化时都会生成一个json文件，其中保存了模型的信息。在测试

对于初级炼丹师，往往苦于调参。那么有没有什么高科技炼丹炉，可以让我们只要按下按钮，就可以自行调整，炼出一炉品质上佳的仙丹呢？那肯定是有的，下面，请允许我隆重介绍KerasTuner。在下面的例子里，将使用KerasTuner进行超参数搜索，从现在开始，你炼的模型就是超模型啦~KerasTuner并没有限制我们的操作空间，它仍允许我们进行大量自定义。当然，它也是十分便利的，我们只要简单的设定一下搜索

这里提供一个简单的利用tensorflow训练的例子。

这里提供一个简单的配置环境的方法。注意一定要在一个空的新环境进行安装，免得库版本冲突。首先安装tensorflow成功后再安装其它库。