rknn转换的tflite量化训练好的模型输出结果不匹配

rknn-toolkit version: 1.0.0

我们使用官方的deeplab进行quantize-aware training后，转换成了tflite（具体操作请见：https://github.com/tensorflow/models/blob/master/research/deeplab/g3doc/quantize.md）然后使用rknn直接把tflite模型转成了rknn模型，发现输出结果和tflite的非常不一致，精确度下降了不少，不知道开发部门有没办法排除一下这个bug？上面的链接里面有提供quantized模型下载，可用于测试。tflite本身的转换工具也是有一些更新的近期。或者可以考虑在硬件上原生支持tflite的op，也是很好的选择，考虑到tflite在大厂的工程中应用非常广泛。
现在这个是我们项目非常大的一个block。

另外真心希望rknn的lib能够开源，哪怕部分开源，比如可以让我们手动port层的设定和模型，以及量化参数，这样哪怕模型转换工具出现了错误，也可能够进行手动修正（比如输入长宽比不一同的图片，在deeplab的网络上还是有错误无法转换，因为concat那层的shape读取长和宽的顺序不同），目前模型转换工具一旦出错，就彻底没办法用了。
硬件虽然很好但是只是存在于纸面，软件bug太多在上面开发的应用没法落地，将会是产品推广最大的阻碍。

hisping 发表于 2019-7-26 08:52
你转成rknn模型是开启了量化才导致精度下降吗？不开启量化精度怎么样？另外rknn-toolkit支持混合量化，你也 ...

我们是先进行quantization-aware training之后（加了一些Fake quantize的节点），转成quantized tflite模型，再转成rknn的模型（转换的时候quantize=false，直接用的tflite里面的量化信息）。转成tflite的量化模型精度下降很少，但是转成了rknn就下降非常多。
我刚才测试了下，把float的模型（没有那些Fake quantize的节点）转成tflite再转rknn会报错，应该是某些op不支持。所以我直接把转tflite之前的pb模型转成了rknn，转换的时候也没有开启量化选项，进行了测试，精度从73%掉到了66%，非常奇怪，因为理论上应该没有精度损失。我们的模型训练的时候input就是0-255，所以转rknn我选的input normalization是0 0 0 1。
可能是因为tensorflow新版本对batch norm的fold不太一样或者tflite转换的模块上有一些变化。建议能在针对google官方的deeplab进行一下对比。

混合量化的功能很好，但是比较鸡肋，因为没办法调整量化好的tflite模型。有没有办法在选择混合量化的时候不输入dataset，让rknn自己读取tflite的量化信息，然后让我们手动进行一下修改？ 包括每层的量化信息，和每层的weights参数和运算符。这也是一个非常方便开发者debug模型的一个途径，否则现在出了问题都没办法debug，有些bug可能就是自动转换程序的问题，手动转完就可以用了。

下面是一些参考链接：
deeplab的量化:https://github.com/tensorflow/mo ... b/g3doc/quantize.md
tensorflow量化：https://github.com/tensorflow/te ... ow/contrib/quantize (这个已经有点过时了)