API 更新

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。

本页面提供了在 TensorFlow 2.x 中对 tf.lite.TFLiteConverter Python API 进行的更新的信息。

注:如果您对任何更改有疑问,请提交 GitHub 议题

  • TensorFlow 2.3

    • 对于使用新的 inference_input_typeinference_output_type 特性的整数量化模型,支持整数(之前仅支持浮点数)输入/输出类型。请参阅此示例用法
    • 支持使用动态维度转换和调整模型大小。
    • 添加了具有 16 位激活和 8 位权重的新实验性量化模式。
  • TensorFlow 2.2

    • 默认情况下,利用基于 MLIR 的转换(Google 最前沿的机器学习编译技术)。它可以转换新模型类,包括 Mask R-CNN、MobileBERT 等,同时也支持使用函数式控制流的模型。
  • TensorFlow 2.0 与 TensorFlow 1.x

    • target_ops 特性重命名为 target_spec.supported_ops
    • 移除了以下特性:
      • 量化inference_typequantized_input_statspost_training_quantizedefault_ranges_statsreorder_across_fake_quantchange_concat_input_rangesget_input_arrays()。现在,通过 tf.keras API 为量化感知训练提供支持,并且训练后量化使用更少的特性。
      • 可视化output_formatdump_graphviz_dirdump_graphviz_video。现在,可视化 TensorFlow Lite 模型的推荐方式是使用 visualize.py
      • 冻结计算图drop_control_dependency,因为 TensorFlow 2.x 不支持冻结计算图。
    • 移除了其他转换器 API,如 tf.lite.toco_converttf.lite.TocoConverter
    • 移除了其他相关 API,如 tf.lite.OpHinttf.lite.constants(为了减少重复,tf.lite.constants.* 类型已映射到 tf.* TensorFlow 数据类型)