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.
- תמיכה בסוג קלט/פלט של מספר שלם (בעבר, רק צף) עבור מודלים מכוונטיים של מספר שלם באמצעות התכונות החדשות
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 שלtf.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.
- quantization :
- 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
(סוגיtf.lite.constants.*
מופו ל-tf.*
סוגי נתונים של TensorFlow, כדי להפחית כפילות)
- שונה שם התכונה