Tensorflow使用tflite将修剪模型转换为较低量化

Question

我正在尝试使用TFLite量化一个经过修剪的tensorflow模型。剪枝和量化都是独立工作的，但是当我尝试剪枝然后剪枝时，我得到这个错误：ValueError: Input 0 of node sequential/prune_low_magnitude_dense/AssignVariableOp was passed float from sequential/prune_low_magnitude_dense/Mul/ReadVariableOp/resource:0 incompatible with expected resource.，当我尝试剪枝然后剪枝时，我得到这个错误：ValueError: 'prune_low_magnitude' can only prune an object of the following types: tf.keras.models.Sequential, tf.keras functional model, tf.keras.layers.Layer, list of tf.keras.layers.Layer. You passed an object of type: bytes.

我应该如何使这些操作兼容？该模型为tf.keras.models.Sequential类型，出于测试目的，仅为一层深

Answer 1

如本例所示：

https://github.com/tensorflow/model-optimization/blob/master/tensorflow_model_optimization/python/examples/quantization_with_sparsity/keras/mnist_cnn.py

看来你应该把修剪的部分去掉