توفر هذه الصفحة معلومات حول التحديثات التي تم إجراؤها على tf.lite.TFLiteConverter
Python API في TensorFlow 2.x.
TensorFlow 2.3.2 تحديث
- دعم عدد صحيح (سابقًا ، عائم فقط) نوع الإدخال / الإخراج للنماذج الكمية الصحيحة باستخدام سمات
inference_input_type
الجديدة وinference_output_type
. الرجوع إلى هذا المثال الاستخدام . - دعم تحويل وتغيير حجم النماذج ذات الأبعاد الديناميكية.
- تمت إضافة وضع تكميم تجريبي جديد مع تنشيطات 16 بت وأوزان 8 بت.
- دعم عدد صحيح (سابقًا ، عائم فقط) نوع الإدخال / الإخراج للنماذج الكمية الصحيحة باستخدام سمات
TensorFlow 2.2.2 تحديث
- بشكل افتراضي ، استفد من التحويل المستند إلى MLIR ، وهو أحدث تقنيات المترجم من Google للتعلم الآلي. يتيح ذلك تحويل فئات جديدة من الطرز ، بما في ذلك Mask R-CNN و Mobile BERT وما إلى ذلك ، ويدعم النماذج ذات تدفق التحكم الوظيفي.
TensorFlow 2.0 مقابل TensorFlow 1.x
- تمت إعادة تسمية السمة
target_ops
إلىtarget_spec.supported_ops
- تمت إزالة السمات التالية:
- التكميم :
inference_type
،quantized_input_stats
،post_training_quantize
،default_ranges_stats
،reorder_across_fake_quant
،change_concat_input_ranges
،get_input_arrays()
. بدلاً من ذلك ، يتم دعم التدريب المدرك الكمي من خلالtf.keras
API ويستخدم تكميم ما بعد التدريب سمات أقل. - التصور :
output_format
،dump_graphviz_dir
،dump_graphviz_video
. بدلاً من ذلك ، فإن الطريقة الموصى بها لتصور نموذج TensorFlow Lite هي استخدام visualize.py . - الرسوم البيانية المجمدة :
drop_control_dependency
، حيث أن الرسوم البيانية المجمدة غير مدعومة في TensorFlow 2.x.
- التكميم :
- تمت إزالة واجهات برمجة تطبيقات المحول الأخرى مثل
tf.lite.toco_convert
وtf.lite.TocoConverter
- تمت إزالة واجهات برمجة التطبيقات الأخرى ذات الصلة مثل
tf.lite.OpHint
وtf.lite.constants
(تم تعيين أنواعtf.lite.constants.*
إلىtf.*
أنواع بيانات TensorFlow ، لتقليل التكرار)
- تمت إعادة تسمية السمة