SqueezeNet量化

1）根目录下执行 sh ./data/ilsvrc12/get_ilsvrc_aux.sh  获得数据集的train.txt以及val.txt

2)  根目录下执行 sh ./examples/imagenet/create_imagenet.sh 获得train、val的lmdb文件（注意要下载数据集并修改相应路径）

3）下载模型文件，位置为models/SqueezeNet/ ，github下载链接

4）执行./examples/ristretto/00_quantize_squeezenet.sh 得到下面的结果：

默认为Dynamic fixed 量化方式，分别对Fc/Conv/Activate进行了量化，并测出量化不同层的情况下16bit、8bit、4bit、1bit下的量化精度，具体代码详解后面博客会介绍。

Finetune

如果前面一切都顺利，文件也都放在规定位置，那finetune就很简单了，如果不是，改一下训练脚本相应路径，然后执行：sh ./examples/ristretto/01_finetune_squeezenet.sh

训练log：

benchmark

修改finetune之后的caffemodel路径，执行脚本sh ./examples/ristretto/02_benchmark_fixedpoint_squeezenet.sh

得到finetune之后的精度(finetune2000代之后的model比浮点模型低0.3个点，可以多测几代选比较高的)：

 

 

量化源码会在后面博客详细介绍，欢迎留言讨论