Cette page fournit des informations sur les mises à jour apportées à l' API Python tf.lite.TFLiteConverter
dans TensorFlow 2.x.
TensorFlow 2.3
- Prend en charge le type d'entrée/sortie entier (auparavant, uniquement flottant) pour les modèles quantifiés entiers à l'aide des nouveaux attributs
inference_input_type
etinference_output_type
. Reportez-vous à cet exemple d'utilisation . - Prise en charge de la conversion et du redimensionnement des modèles avec des dimensions dynamiques.
- Ajout d'un nouveau mode de quantification expérimentale avec des activations 16 bits et des poids 8 bits.
- Prend en charge le type d'entrée/sortie entier (auparavant, uniquement flottant) pour les modèles quantifiés entiers à l'aide des nouveaux attributs
TensorFlow 2.2
- Par défaut, tirez parti de la conversion basée sur MLIR , la technologie de compilateur de pointe de Google pour l'apprentissage automatique. Cela permet la conversion de nouvelles classes de modèles, y compris Mask R-CNN, Mobile BERT, etc. et prend en charge les modèles avec un flux de contrôle fonctionnel.
Comparaison entre TensorFlow 2.0 et TensorFlow 1.x
- L'attribut
target_ops
renommé entarget_spec.supported_ops
- Suppression des attributs suivants :
- quantification :
inference_type
,quantized_input_stats
,post_training_quantize
,default_ranges_stats
,reorder_across_fake_quant
,change_concat_input_ranges
,get_input_arrays()
. Au lieu de cela, la formation sensible à la quantification est prise en charge via l'APItf.keras
et la quantification post-formation utilise moins d'attributs. - visualisation :
output_format
,dump_graphviz_dir
,dump_graphviz_video
. Au lieu de cela, l'approche recommandée pour visualiser un modèle TensorFlow Lite consiste à utiliser visualize.py . - graphes figés :
drop_control_dependency
, car les graphes figés ne sont pas pris en charge dans TensorFlow 2.x.
- quantification :
- Suppression d'autres API de conversion telles que
tf.lite.toco_convert
ettf.lite.TocoConverter
- Suppression d'autres API associées telles que
tf.lite.OpHint
ettf.lite.constants
(les typestf.lite.constants.*
ont été mappés sur les types de donnéestf.*
TensorFlow, pour réduire la duplication)
- L'attribut