TensorFlow
资源
Model optimization
使用集合让一切井井有条
根据您的偏好保存内容并对其进行分类。
优化机器学习模型
import tensorflow as tf
import tensorflow_model_optimization as tfmot
model = tf.keras.Sequential([...])
pruning_schedule = tfmot.sparsity.keras.PolynomialDecay(
initial_sparsity=0.0, final_sparsity=0.5,
begin_step=2000, end_step=4000)
model_for_pruning = tfmot.sparsity.keras.prune_low_magnitude(
model, pruning_schedule=pruning_schedule)
...
model_for_pruning.fit(...)
TensorFlow 模型优化工具包是一套能够优化机器学习模型以便于部署和执行的工具。该工具包用途很多，其中包括支持用于以下方面的技术：
降低云和边缘设备（例如移动设备和 IoT 设备）的延迟时间和推断成本。
将模型部署到边缘设备，这些设备在处理、内存、耗电量、网络连接和模型存储空间方面存在限制。
在现有硬件或新的专用加速器上执行模型并进行优化。
根据您的任务选择模型和优化工具：
chevron_right
利用现成模型提高性能
在很多情况下，预先优化的模型可以提高应用的效率。
chevron_right
使用 TensorFlow 模型优化工具包
尝试使用训练后工具优化已经训练过的 TensorFlow 模型。
chevron_right
进一步优化
使用训练时优化工具并了解相关技术。
TensorFlow 模型优化工具包 - Weight Clustering API
阅读 TensorFlow 博客
TensorFlow 模型优化工具包 - 量化感知训练
阅读 TensorFlow 博客
TensorFlow 模型优化工具包 - 训练后整数量化
阅读 TensorFlow 博客
TensorFlow 模型优化工具包 - Pruning API
阅读 TensorFlow 博客
TensorFlow 模型优化工具包简介
阅读 TensorFlow 博客
GitHub 上的模型优化工具包
在 GitHub 上查看
[[["易于理解","easyToUnderstand","thumb-up"],["解决了我的问题","solvedMyProblem","thumb-up"],["其他","otherUp","thumb-up"]],[["没有我需要的信息","missingTheInformationINeed","thumb-down"],["太复杂/步骤太多","tooComplicatedTooManySteps","thumb-down"],["内容需要更新","outOfDate","thumb-down"],["翻译问题","translationIssue","thumb-down"],["示例/代码问题","samplesCodeIssue","thumb-down"],["其他","otherDown","thumb-down"]],[],[],[],null,[]]