tensorflow Quantize(量化)

PS1：Quantize Neural Networks 的内容见此文章：
        https://petewarden.com/2016/05/03/how-to-quantize-neural-networks-with-tensorflow/
PS2：我使用的是 tensorflow 1.1

1，安装
        1.1 下载源码(之后用 tensorflow_root 来代指进入源码的第一层目录)
                git clone https://github.com/tensorflow/tensorflow.git
        1.2 进入 tensorflow_root 目录
                cd tensorflow
        1.3 编译 label_image
                ./configure
                bazel build --config=mkl --copt="-DEIGEN_USE_VML" -c opt tensorflow/examples/label_image:label_image
        1.4 编译 quantize(与 PS 中文章的步骤不同，这里要使用这个命令)
                bazel build --config=mkl --copt="-DEIGEN_USE_VML" -c opt tensorflow/tools/quantization:quantize_graph
        1.5 编译 tensorflow
                bazel build --config=mkl --copt="-DEIGEN_USE_VML" -c opt //tensorflow/tools/pip_package:build_pip_package
        1.6 生成 pip 包
                mkdir -p /tmp/tensorflow/
                bazel-bin/tensorflow/tools/pip_package/build_pip_package /tmp/tensorflow/
        1.7 安装
                pip install /tmp/tensorflow/tensorflow*.whl


2，压缩 pb
        2.1 curl http://download.tensorflow.org/models/image/imagenet/inception-2015-12-05.tgz -o /tmp/inceptionv3.tgz
        2.2 tar xzf /tmp/inceptionv3.tgz -C /tmp/
        2.3 在 tensorflow_root 中执行如下命令：
                bazel-bin/tensorflow/tools/quantization/quantize_graph \
                --input=/tmp/classify_image_graph_def.pb \
                --output_node_names="softmax" --output=/tmp/quantized_graph.pb \
                --mode=eightbit
        2.4 结果验证：
                运行命令 ls -lh /tmp 发现多了个 quantized_graph.pb，对比大小如下：
                        classify_image_graph_def.pb : 92M
                        quantized_graph.pb : 24M
                真的小了好多。

3， 验证新模型
        在 tensorflow_root 目录下
        3.1 执行如下命令使用新模型
                bazel-bin/tensorflow/examples/label_image/label_image \
                --graph=/tmp/quantized_graph.pb \
                --labels=/tmp/imagenet_synset_to_human_label_map.txt \
                --input_width=299 \
                --input_height=299 \
                --input_mean=128 \
                --input_std=128 \
                --input_layer="Mul:0" \
                --output_layer="softmax:0"
        3.2 执行如下命令使用原模型
                bazel-bin/tensorflow/examples/label_image/label_image \
                --graph=/tmp/classify_image_graph_def.pb \
                --labels=/tmp/imagenet_synset_to_human_label_map.txt \
                --input_width=299 \
                --input_height=299 \
                --input_mean=128 \
                --input_std=128 \
                --input_layer="Mul:0" \
                --output_layer="softmax:0"
        3.3 对比输出
                结果略有不同，但还是挺接近的。