עדכוני API

דף זה מספק מידע על עדכונים שבוצעו ל- tf.lite.TFLiteConverter Python API ב-TensorFlow 2.x.

• TensorFlow 2.3

  • תמיכה בסוג קלט/פלט של מספר שלם (בעבר, רק צף) עבור מודלים מכוונטיים של מספר שלם באמצעות התכונות החדשות inference_input_type ו- inference_output_type . עיין בדוגמה זו לשימוש .
  • תמיכה בהמרה ושינוי גודל של מודלים עם ממדים דינמיים.
  • נוסף מצב קוונטיזציה ניסיוני חדש עם הפעלות של 16 סיביות ומשקולות של 8 סיביות.

• TensorFlow 2.2

  • כברירת מחדל, נצל המרה מבוססת MLIR , טכנולוגיית המהדר החדישה של Google ללמידת מכונה. זה מאפשר המרה של מחלקות חדשות של דגמים, כולל Mask R-CNN, Mobile BERT וכו' ותומך במודלים עם זרימת בקרה פונקציונלית.

• TensorFlow 2.0 לעומת TensorFlow 1.x

  • שונה שם התכונה target_ops ל- target_spec.supported_ops
  • הסירו את המאפיינים הבאים:
    • quantization : inference_type , quantized_input_stats , post_training_quantize , default_ranges_stats , reorder_across_fake_quant , change_concat_input_ranges , get_input_arrays() . במקום זאת, הכשרה מודעות לכימות נתמכת באמצעות ממשק ה-API של tf.keras , וכימות לאחר ההדרכה משתמשת בפחות תכונות.
    • ויזואליזציה : dump_graphviz_video , output_format , dump_graphviz_dir . במקום זאת, הגישה המומלצת להמחשת מודל TensorFlow Lite היא להשתמש ב- visualize.py .
    • גרפים קפואים : drop_control_dependency , מכיוון שגרפים קפואים אינם נתמכים ב-TensorFlow 2.x.
  • הוסרו ממשקי API אחרים לממירים כגון tf.lite.toco_convert ו- tf.lite.TocoConverter
  • הוסרו ממשקי API קשורים אחרים כגון tf.lite.OpHint ו- tf.lite.constants (סוגי tf.lite.constants.* מופו ל- tf.* סוגי נתונים של TensorFlow, כדי להפחית כפילות)