我从 Tensorflow-pruning 得到了一个稀疏权重矩阵减少 SqueezeNet
.后 strip_pruning_vars
,我检查了权重矩阵中的大部分元素成功修剪为 0。但是,模型的性能并没有像我预期的那样增加。似乎需要额外的软件库或硬件来支持稀疏矩阵运算。有人告诉我使用 Intel-MKL
库会有所帮助,但我不知道如何将它与 Tensorflow 集成。现在,我有 .pb
修剪过的 SqueezeNet 文件。任何类型的帮助将不胜感激。
最佳答案
您可以尝试面向 TensorFlow* Wheel 的英特尔® 优化。
建议使用 Intel 环境。
请按照以下步骤操作。
conda create -n my_intel_env -c intel python=3.6
source activate my_intel_env
pip install https://storage.googleapis.com/intel-optimized-tensorflow/tensorflow-1.11.0-cp36-cp36m-linux_x86_64.whl
更多详情可以引用https://software.intel.com/en-us/articles/intel-optimization-for-tensorflow-installation-guide
安装后,您可以通过在 python 提示符下执行以下命令来检查是否启用了 mkl。
from tensorflow.python.framework import test_util
test_util.IsMklEnabled()
如果启用了 mkl,这应该返回“True”。
希望这可以帮助。
关于tensorflow - 当我从修剪中得到稀疏矩阵时,如何加快 TensorFlow 中的推理速度?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/55532982/