整体约束

若接口中存在需要用户输入文件路径的参数，请确保输入路径正确，AMCT不会对路径做安全校验。
若接口中存在需要用户输入文件路径的参数，重新执行量化时，该参数相关取值将会被覆盖；量化打屏日志中也会有相关文件被覆盖的warning风险提示信息。

接口列表

分类	接口名称	功能描述
公共接口	set_logging_level	设置信息输出的级别，其中信息包括打印在屏幕上的信息以及保存到amct_log/amct_tensorflow.log文件中的信息。
公共接口	GraphEvaluator	针对某一个模型，根据模型的bin类型输入数据，提供一个python实例，可对该模型执行校准和推理的评估器。
训练后量化接口	create_quant_config	训练后量化接口，根据图的结构找到所有可量化的层，自动生成量化配置文件，并将可量化层的量化配置信息写入文件。
	quantize_model	训练后量化接口，将输入的待量化的图结构按照给定的量化配置文件进行量化处理，在传入的图结构中插入量化相关的算子，生成量化因子记录文件record_file，并返回量化处理新增的算子列表。
	save_model	训练后量化接口，根据量化因子记录文件record_file和用户待量化的原始pb模型，插入AscendQuant、AscendDequant等算子，然后保存为既可以在TensorFlow环境进行精度仿真又可以在昇腾AI处理器做离线推理的pb模型文件。
	accuracy_based_auto_calibration	根据用户输入的模型、配置文件进行自动的校准过程，搜索得到一个满足目标精度的量化配置，输出既可以在TensorFlow环境下做精度仿真的fake_quant模型又可在昇腾AI处理器上做推理的deploy模型。
	quantize_preprocess	量化数据均衡预处理接口，将输入的待量化的图结构按照给定的量化配置文件进行量化预处理（当前仅支持均衡量化），在传入的图结构中插入均衡量化相关的算子，生成均衡因子记录文件record_file，供后续quantize_model阶段读取。
量化感知训练接口	create_quant_retrain_config	量化感知训练接口，根据图的结构找到所有可量化的层，自动生成量化配置文件，并将可量化层的量化配置信息写入配置文件。
	create_quant_retrain_model	量化感知训练接口，根据用户设置的量化配置文件对图结构进行量化处理，该函数在config_file指定的层插入数据和weights伪量化层，将修改后的网络存为新的模型文件。
	save_quant_retrain_model	量化感知训练接口，根据用户最终的重训练好的模型，插入AscendQuant、AscendDequant等算子，生成最终既可以进行精度仿真又可以进行部署的模型。
自动混合精度搜索接口	auto_mixed_precision_search	根据原始模型和自动混合精度搜索简易配置文件，自动搜索模型的最优混合量化位宽配置，生成量化感知训练简易配置文件。
稀疏接口	create_prune_retrain_model	通道稀疏或4选2结构化稀疏接口，两种稀疏特性每次只能使能一个。
稀疏接口	save_prune_retrain_model	通道稀疏或4选2结构化稀疏接口，两种稀疏特性每次只能使能一个。
自动通道稀疏搜索接口	auto_channel_prune_search	自动通道稀疏搜索接口，根据用户模型来计算各通道的稀疏敏感度（影响精度）以及稀疏收益（影响性能），然后搜索策略依据该输入来搜索最优的逐层通道稀疏率，以平衡精度和性能。最终输出一个配置文件。
组合压缩接口	create_compressed_retrain_model	静态组合压缩接口，根据用户设置的压缩配置文件对图结构先进行稀疏（通道稀疏或者4选2结构化稀疏，二选一），后插入量化相关的算子，并返回修改后的图。
组合压缩接口	save_compressed_retrain_model	静态组合压缩接口，根据用户最终重训练好的模型，生成最终静态组合压缩模型。
近似校准接口	create_approximation_calibrator	近似校准接口，在用户提供的图结构中插入dump数据算子，实现推理时导出校准数据的功能。
近似校准接口	save_approximation_graph	近似校准接口，删除插入的dump算子，替换用户校准的tf.graph中目标算子（Softmax）为昇腾亲和的高性能实现（FastSoftmax），并保存为既可在TensorFlow环境中进行精度仿真又可以在昇腾AI处理器部署的pb模型。
张量分解接口	auto_decomposition	根据用户提供的TensorFlow模型文件，生成张量分解后的模型文件。
张量分解接口	decompose_graph	分解训练代码中的图，用于对分解后的模型进行finetune（微调）。
模型适配接口	convert_model	根据用户自己计算得到的量化因子以及TensorFlow模型，适配成既可以在昇腾AI处理器上部署的模型又可以在TensorFlow环境下进行精度仿真的量化模型。
模型适配接口	convert_qat_model	根据TensorFlow的QAT量化模型，适配成分别可以在CPU、GPU上进行精度仿真和昇腾AI处理器上部署的量化模型。

整体约束和接口列表

整体约束

接口列表