Tensorflow量化步骤及生成量化的tflite(1)_tensorflow中的量化部分在那个文件里

第一部分：Tensorflow量化安装及使用

第二部分伪量化训练在这里：
https://blog.csdn.net/angela_12/article/details/85000072#commentsedit

为什么需要量化：

(参照社区问题中Zongjun大神的回答)
“如果是在android 上，Tensorflow Lite (tflite) 可以利用hardware accelerator，应该是更快的。量化只是一个float32到uint8的过程，本质上是weights\bias大小的变化（是原来的25%），有的microcontroller太小，不量化根本就放不进去，并且mircocontroller大部分是8bit计算，float32非常昂贵，所以需要量化。”

本博客时间有延迟，现在谷歌删掉了以前在tensorflow/tools/quantization文件夹里的的quantize_graph.py工具，所以以前的工具不能用了(也可以去网上找到那部分下载看看)
之前用量化工具做量化的时候是2018年7月19号，时间有点久远，但因为之前做过了现在想整理一下所以还是写出来记录一下~
我目前没有环境，所以就没法验证，先写着，等过段时间试试有没有问题，不过应该没啥问题，哈哈。

量化步骤：

1.源码安装TensorFlow(简称TF)及相关库：

git clone https://github.com/tensorflow/tensorflow
1

参考源码安装博客
注： TF最好安装在虚拟环境里，这个可以找下如何在Linux里安装虚拟环境virtualenv，然后使用的时候先进入虚拟环境中，TF激活virtualenv：
source bin/activate
进入会出现虚拟环境名：(tensorflow)$
退出环境：
(tensorflow)$ deactivate

2.编译：
1）进入tensorflow根目录：
cd tensorflow
2）下载安装bazel编译工具：
bazel官网安装方法，jdk不低于1.8，也是源码安装
可参考：TensorFlow Lite模型生成以及bazel的安装使用
2019.3.27更新： bazel环境重新搭了一遍，感觉不用那么麻烦，这次没有源码安装也可以使用tensorflow的指令，方法就是进入官网，按照官网推荐的二进制安装方法操作，一共四步，按顺序操作即可：