问题描述
用作生成输出数组模型/ re_lu_1 / Relu的Conv运算符的输入的图层（....）缺少最小/最大数据，这是量化所必需的。如果精度很重要，则可以针对非量化的输出格式，也可以从浮点检查点对模型进行量化训练，以更改输入图以包含最小/最大信息。如果您不关心准确性，可以通过--default_ranges_min =和--default_ranges_max =进行简单的实验。
解决方法
对于tensorflow 1.x，如果要量化，则必须将其放置在伪造的量化节点上以激活模型的量化。 量化分为三个阶段：
- 训练部分：将模型加载到图形=>通过contrib创建训练图形=>训练并存储权重ckpt
- 评估部分：不带权重将模型加载到图形=>创建评估图=>恢复图形=>导出到冻结模型
- Toco / tflite将冻结模型转换为量化模型
但是，最重要的因素是模型中batch_normalization的配置。尝试了多种配置后，最好的方法是使用tensorflow.keras.layers中的不带融合选项的batch_normalization。该层应仅在具有已解析的激活参数的tensorflow.keras.layers.Conv2D下附加。
如果执行上述过程，则该图层不会产生错误does not have MinMax information
以下是不正确的，在RELU中缺少虚假量化
正确的一个
