qkeras量化模型-直接搭建模型的量化感知训练

量化框架qkeras:

qkeras是谷歌的感知训练量化框架，具有一些功能：

1、支持导入keras模型到qkeras模型；

2、支持剪枝和量化，使用tensorflow lite一起配合，简直不要太好用；

3、支持指定量化函数，量化的bit数目、量化的小数点左边bit数、对称性等；

4、容易扩展，可以使用keras的设计准则自定义构建块去扩展keras的函数，并且发展出sota模型；

qkeras的量化：

1、使用keras搭建的模型，可以直接转换成qkeras的量化模型；

2、使用pytorch、mxnet等其他框架搭建的模型，可以手动转换成qkeras搭建的模型；

示例：
官网的实例直接运行会有比较多的问题，这里改成这样的导入方式，解决问题；并且保留最核心的部分，删除无用语句。

from __future__ import absolute_import
from __future__ import division
from __future__ import print_function

import tensorflow as tf
from qkeras import *
from qkeras.utils import model_save_quantized_weights
import numpy as np


np.random.seed(42)

NB_EPOCH = 100
BATCH_SIZE = 64
VERBOSE = 1
NB_CLASSES = 10
OPTIMIZER = tf.keras.optimizers.legacy.Adam(lr=0.0001, decay=0.000025)
VALIDATION_SPLIT = 0.1
train = 1

# 1、导入数据；
(x_train, y_train), (x_test, y_test) = tf.keras.datasets.mnist.load_data()
RESHAPED = 784
x_test_orig = x_test
x_train = x_train.astype("float32")
x_test = x_test.astype("float32")
x_train = x_train[.