تحديثات API

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 و inference_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.

• 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 إلى target_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 خلال tf.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.
  • تمت إزالة واجهات برمجة تطبيقات المحول الأخرى مثل tf.lite.toco_convert و tf.lite.TocoConverter
  • تمت إزالة واجهات برمجة التطبيقات الأخرى ذات الصلة مثل tf.lite.OpHint و tf.lite.constants (تم تعيين أنواع tf.lite.constants.* إلى tf.* أنواع بيانات TensorFlow ، لتقليل التكرار)