امروز برای رویداد محلی TensorFlow خود در همه جا پاسخ دهید!
این صفحه به‌وسیله ‏Cloud Translation API‏ ترجمه شده است.
Switch to English

نقشه راه TensorFlow Lite

به روز شده: 18 آوریل 2020

موارد زیر نمای کلی از سطح بالای برنامه 2020 ما است. باید توجه داشته باشید که این نقشه راه ممکن است در هر زمان تغییر کند و ترتیب زیر هیچ نوع اولویت را نشان نمی دهد. به عنوان یک اصل ، ما معمولاً مسائل را بر اساس تعداد کاربران تحت تأثیر اولویت قرار می دهیم.

ما نقشه راه خود را به چهار بخش اصلی تقسیم می کنیم: قابلیت استفاده ، عملکرد ، بهینه سازی و قابلیت حمل. ما شدیداً شما را تشویق می کنیم که در مورد نقشه راه ما نظر دهید و در گروه بحث TF Lite نظرات خود را به ما ارائه دهید.

قابلیت استفاده

  • پوشش ops گسترش یافته است
    • اولویت های اضافی را براساس بازخورد کاربر تعیین کنید
  • بهبودهای استفاده از TensorFlow در TensorFlow Lite
    • کتابخانه های از پیش ساخته شده از طریق Bintray (Android) و Cocoapods (iOS) در دسترس هستند
    • اندازه باینری کوچکتر هنگام استفاده از گزینه های TF از طریق سلب کردن op
  • پشتیبانی از LSTM / RNN
    • پشتیبانی کامل از LSTM و RNN ، از جمله پشتیبانی در کراس
  • پردازش قبل و بعد از کتابخانه ها و ابزار codegen پشتیبانی می کند
    • بلوک های سازنده API آماده برای کارهای معمول ML
    • پشتیبانی از مدل های بیشتر (به عنوان مثال NLP) و سیستم عامل های بیشتر (به عنوان مثال iOS)
  • ادغام Android Studio
    • مدل های TFLite را در Android Studio بکشید و رها کنید تا کلاسهای اتصال مدل ایجاد شود
  • کنترل جریان و آموزش روی دستگاه
    • پشتیبانی از آموزش روی دستگاه ، متمرکز بر شخصی سازی و انتقال یادگیری
  • ابزار تجسم با TensorBoard
    • ابزار پیشرفته ای را با TensorBoard ارائه دهید
  • مدل ساز
    • از کارهای بیشتری پشتیبانی کنید ، از جمله تشخیص شی det و کارهای NLP مبتنی بر BERT
  • مدل ها و نمونه های بیشتر
    • نمونه های بیشتری برای نشان دادن استفاده از مدل و همچنین ویژگی های جدید و API ها ، پوشش سیستم عامل های مختلف.
  • کتابخانه وظایف
    • قابلیت استفاده از کتابخانه C ++ Task را مانند ارائه باینری های از پیش ساخته شده و ایجاد گردش کار کاربر پسند برای کاربرانی که می خواهند از طریق کد منبع ایجاد کنند ، بهبود ببخشید.
    • نمونه های مرجع استفاده از Task Library را منتشر کنید.
    • انواع کار بیشتری را فعال کنید.
    • پشتیبانی از cross-platform را بهبود بخشیده و کارهای بیشتری را برای iOS فعال کنید.

کارایی

  • ابزار بهتر
    • داشبورد عمومی برای ردیابی سودهای عملکرد با هر نسخه
  • بهبود عملکرد پردازنده
    • کتابخانه جدید هسته شناور بسیار بهینه شده برای مدل های کانولوشن
    • پشتیبانی از درجه یک x86
  • پشتیبانی NN API به روز شده است
    • پشتیبانی کامل از ویژگی ها ، گزینه ها و انواع جدید Android R NN API
  • بهینه سازی باطن GPU
    • پشتیبانی از Vulkan در اندروید
    • مدل های عددی صحیح را پشتیبانی کنید
  • باطن شش ضلعی DSP
    • پشتیبانی از کوانتیزه کردن برای هر کانال برای همه مدل های ایجاد شده از طریق کوانتیزاسیون پس از آموزش
    • پشتیبانی از اندازه دسته ورودی پویا
    • پوشش عملیاتی بهتر ، از جمله LSTM
  • Core ML باطن
    • بهینه سازی زمان راه اندازی
    • مدل های کوانتیزه پویا پشتیبانی می کند
    • Float16 از مدل های کوانتیزه شده پشتیبانی می کند
    • پوشش عملیاتی بهتر

بهينه سازي

  • کمی سازی

    • کمی سازی بعد از آموزش برای (8b) RNN های ثابت
    • در حین آموزش مقداردهی RNN های ثابت (8b)
    • بهبود کیفیت و عملکرد برای کمی سازی بعد پویا در محدوده پویایی
  • هرس / پراکندگی

    • پشتیبانی از اجرای مدل پراکنده در TensorFlow Lite - WIP

    • API خوشه بندی وزن

قابل حمل بودن

  • پشتیبانی از میکروکنترلر
    • پشتیبانی از طیف وسیعی از موارد استفاده از معماری 32 بیتی MCU برای طبقه بندی تصویر و گفتار
    • کد و مدل های نمونه برای بینایی و داده های صوتی
    • پشتیبانی کامل از TF Lite در میکروکنترلرها
    • پشتیبانی از سیستم عامل های بیشتر ، از جمله پشتیبانی از CircuitPython