quantizationDetails

ニューラル ネットワークの量子化詳細の表示

R2022a 以降

ページ内をすべて折りたたむ

構文

qDetails = quantizationDetails(net)

説明

qDetails = quantizationDetails(net) は、ニューラル ネットワークの量子化詳細を格納した 1 行 1 列の構造体配列を返します。

例

例

すべて折りたたむ

この例では次を使用します。

ライブ スクリプトを開く

この例では、ニューラル ネットワークの量子化詳細を表示する方法を示します。

事前学習済みのネットワークを読み込みます。net は、MerchData データ セット内のイメージを分類するために転移学習を使用して再学習させた SqueezeNet 畳み込みニューラル ネットワークです。

load squeezedlnetmerch
net
net = 
  dlnetwork with properties:

         Layers: [67×1 nnet.cnn.layer.Layer]
    Connections: [74×2 table]
     Learnables: [52×3 table]
          State: [0×3 table]
     InputNames: {'data'}
    OutputNames: {'prob'}
    Initialized: 1

  View summary with summary.

quantizationDetails 関数を使用して、ネットワークが量子化されていないことを確認します。

qDetails_original = quantizationDetails(net)
qDetails_original = struct with fields:
            IsQuantized: 0
          TargetLibrary: ""
    QuantizedLayerNames: [0×0 string]
    QuantizedLearnables: [0×3 table]

元のネットワークは単精度浮動小数点データ型を使用しているため、IsQuantized フィールドは 0 (false) を返します。

MerchData イメージを解凍し、イメージ データストアとして読み込みます。augmentedImageDatastore オブジェクトを定義してネットワークのデータのサイズを変更し、量子化に使用するためにデータをキャリブレーション データ セットと検証データ セットに分割します。

unzip('MerchData.zip');
imds = imageDatastore('MerchData', ...
    'IncludeSubfolders',true, ...
    'LabelSource','foldernames');
[calData, valData] = splitEachLabel(imds, 0.7, 'randomized');
aug_calData = augmentedImageDatastore([227 227], calData);
aug_valData = augmentedImageDatastore([227 227], valData);

dlquantizer オブジェクトを作成し、量子化するネットワークを指定します。実行環境を MATLAB に設定します。MATLAB 実行環境を使用する場合、量子化は fi 固定小数点データ型を使用して実行されますが、これには Fixed-Point Designer™ のライセンスが必要です。

quantObj = dlquantizer(net,'ExecutionEnvironment','MATLAB');

calibrate 関数を使用して、サンプル入力でネットワークを実行し、範囲情報を収集します。

calResults = calibrate(quantObj,aug_calData);

quantize メソッドを使用してネットワーク オブジェクトを量子化し、シミュレーション可能な量子化ネットワークを返します。

qNet = quantize(quantObj)
qNet = 
  Quantized dlnetwork with properties:

         Layers: [67×1 nnet.cnn.layer.Layer]
    Connections: [74×2 table]
     Learnables: [52×3 table]
          State: [0×3 table]
     InputNames: {'data'}
    OutputNames: {'prob'}
    Initialized: 1

  View summary with summary.
  Use the quantizationDetails function to extract quantization details.

量子化詳細を抽出するには、quantizationDetails メソッドを使用します。

qDetails = quantizationDetails(qNet)
qDetails = struct with fields:
            IsQuantized: 1
          TargetLibrary: "none"
    QuantizedLayerNames: [56×1 string]
    QuantizedLearnables: [52×3 table]

QuantizedLayerNames フィールドを検査して、量子化された層のリストを表示します。

qDetails.QuantizedLayerNames
ans = 56×1 string array
    "data"
    "conv1"
    "relu_conv1"
    "pool1"
    "fire2-squeeze1x1"
    "fire2-relu_squeeze1x1"
    "fire2-expand1x1"
    "fire2-relu_expand1x1"
    "fire2-expand3x3"
    "fire2-relu_expand3x3"
      ⋮

QuantizedLearnables フィールドを検査して、ネットワーク内の学習可能なパラメーターの量子化された値を確認します。

qDetails.QuantizedLearnables
ans=52×3 table
               "conv1"    "Weights"      3×3×3×64 embedded.fi
               "conv1"       "Bias"        1×1×64 embedded.fi
    "fire2-squeeze1x1"    "Weights"     1×1×64×16 embedded.fi
    "fire2-squeeze1x1"       "Bias"        1×1×16 embedded.fi
     "fire2-expand1x1"    "Weights"     1×1×16×64 embedded.fi
     "fire2-expand1x1"       "Bias"        1×1×64 embedded.fi
     "fire2-expand3x3"    "Weights"     3×3×16×64 embedded.fi
     "fire2-expand3x3"       "Bias"        1×1×64 embedded.fi
    "fire3-squeeze1x1"    "Weights"    1×1×128×16 embedded.fi
    "fire3-squeeze1x1"       "Bias"        1×1×16 embedded.fi
     "fire3-expand1x1"    "Weights"     1×1×16×64 embedded.fi
     "fire3-expand1x1"       "Bias"        1×1×64 embedded.fi
     "fire3-expand3x3"    "Weights"     3×3×16×64 embedded.fi
     "fire3-expand3x3"       "Bias"        1×1×64 embedded.fi
      ⋮

入力引数

すべて折りたたむ

量子化ニューラル ネットワーク。dlnetwork オブジェクト、SeriesNetwork オブジェクト、または DAGNetwork オブジェクトとして指定します。

出力引数

すべて折りたたむ

量子化詳細。1 行 1 列の構造体配列として返されます。構造体には次のフィールドが含まれます。

  • IsQuantized — ネットワークが量子化されている場合は 1 (true) を返し、そうでない場合は 0 (false) を返す

  • TargetLibrary — コード生成のターゲット ライブラリ

  • QuantizedLayerNames — 量子化された層のリスト

  • QuantizedLearnables — 量子化されたネットワークの学習可能なパラメーター

バージョン履歴

R2022a で導入

すべて展開する

参考

アプリ

関数

トピック