এই পৃষ্ঠাটি TensorFlow 2.x-এ tf.lite.TFLiteConverter
Python API- তে করা আপডেট সম্পর্কে তথ্য প্রদান করে।
টেনসরফ্লো 2.3
- নতুন
inference_input_type
এবংinference_output_type
অ্যাট্রিবিউট ব্যবহার করে পূর্ণসংখ্যার কোয়ান্টাইজড মডেলের জন্য পূর্ণসংখ্যা (আগে শুধুমাত্র ফ্লোট) ইনপুট/আউটপুট টাইপ সমর্থন করে। এই উদাহরণ ব্যবহার পড়ুন. - গতিশীল মাত্রা সহ মডেলগুলির রূপান্তর এবং আকার পরিবর্তন সমর্থন করে।
- 16-বিট অ্যাক্টিভেশন এবং 8-বিট ওজন সহ একটি নতুন পরীক্ষামূলক কোয়ান্টাইজেশন মোড যোগ করা হয়েছে।
- নতুন
টেনসরফ্লো 2.2
- ডিফল্টরূপে, লিভারেজ এমএলআইআর-ভিত্তিক রূপান্তর , মেশিন লার্নিংয়ের জন্য গুগলের অত্যাধুনিক কম্পাইলার প্রযুক্তি। এটি মাস্ক R-CNN, মোবাইল BERT, ইত্যাদি সহ মডেলের নতুন শ্রেণীর রূপান্তরকে সক্ষম করে এবং কার্যকরী নিয়ন্ত্রণ প্রবাহ সহ মডেলগুলিকে সমর্থন করে।
টেনসরফ্লো 2.0 বনাম টেনসরফ্লো 1.x
-
target_ops
অ্যাট্রিবিউটের নামকরণ করা হয়েছেtarget_spec.supported_ops
- নিম্নলিখিত বৈশিষ্ট্যগুলি সরানো হয়েছে:
- quantization :
inference_type
,quantized_input_stats
,post_training_quantize
,default_ranges_stats
,reorder_across_fake_quant
,change_concat_input_ranges
,get_input_arrays()
। পরিবর্তে, কোয়ান্টাইজ সচেতন প্রশিক্ষণtf.keras
API এর মাধ্যমে সমর্থিত হয় এবং প্রশিক্ষণের পরে কোয়ান্টাইজেশন কম বৈশিষ্ট্য ব্যবহার করে। - ভিজ্যুয়ালাইজেশন :
output_format
,dump_graphviz_dir
,dump_graphviz_video
। পরিবর্তে, একটি TensorFlow Lite মডেলকে কল্পনা করার জন্য প্রস্তাবিত পদ্ধতি হল visualize.py ব্যবহার করা। - হিমায়িত গ্রাফ :
drop_control_dependency
, যেহেতু হিমায়িত গ্রাফগুলি TensorFlow 2.x-এ অসমর্থিত।
- quantization :
- অন্যান্য রূপান্তরকারী API যেমন
tf.lite.toco_convert
এবংtf.lite.TocoConverter
সরানো হয়েছে - অন্যান্য সম্পর্কিত API যেমন
tf.lite.OpHint
এবংtf.lite.constants
(tf.lite.constants.*
প্রকারগুলিকেtf.*
TensorFlow ডেটা প্রকার, নকল কমাতে) সরানো হয়েছে
-