यह पृष्ठ TensorFlow 2.x में tf.lite.TFLiteConverter
Python API में किए गए अपडेट के बारे में जानकारी प्रदान करता है।
टेंसरफ्लो 2.3
- नए
inference_input_type
औरinference_output_type
विशेषताओं का उपयोग करके पूर्णांक परिमाणित मॉडल के लिए पूर्णांक (पहले, केवल फ्लोट) इनपुट/आउटपुट प्रकार का समर्थन करें। इस उदाहरण के उपयोग का संदर्भ लें। - गतिशील आयामों वाले मॉडल के रूपांतरण और आकार बदलने का समर्थन करें।
- 16-बिट सक्रियण और 8-बिट भार के साथ एक नया प्रयोगात्मक परिमाणीकरण मोड जोड़ा गया।
- नए
टेंसरफ्लो 2.2
- डिफ़ॉल्ट रूप से, MLIR- आधारित रूपांतरण का लाभ उठाएं, मशीन सीखने के लिए Google की अत्याधुनिक कंपाइलर तकनीक। यह मास्क आर-सीएनएन, मोबाइल बीईआरटी, आदि सहित मॉडलों के नए वर्गों के रूपांतरण को सक्षम बनाता है और कार्यात्मक नियंत्रण प्रवाह वाले मॉडल का समर्थन करता है।
TensorFlow 2.0 बनाम TensorFlow 1.x
-
target_ops
विशेषता का नाम बदलकरtarget_spec.supported_ops
कर दिया गया है - निम्नलिखित विशेषताओं को हटा दिया:
- परिमाणीकरण :
inference_type
,quantized_input_stats
,post_training_quantize
,default_ranges_stats
,reorder_across_fake_quant
,change_concat_input_ranges
,get_input_arrays()
। इसके बजाय, जागरूक प्रशिक्षण कोtf.keras
API के माध्यम से समर्थित किया जाता है और प्रशिक्षण के बाद परिमाणीकरण कम विशेषताओं का उपयोग करता है। - विज़ुअलाइज़ेशन :
output_format
,dump_graphviz_dir
,dump_graphviz_video
। इसके बजाय, TensorFlow Lite मॉडल को विज़ुअलाइज़ करने के लिए अनुशंसित तरीका विज़ुअलाइज़ेशन .py का उपयोग करना है। - जमे हुए ग्राफ़ :
drop_control_dependency
, क्योंकि जमे हुए ग्राफ़ TensorFlow 2.x में समर्थित नहीं हैं।
- परिमाणीकरण :
- अन्य कनवर्टर API जैसे
tf.lite.toco_convert
औरtf.lite.TocoConverter
को हटा दिया - अन्य संबंधित एपीआई जैसे
tf.lite.OpHint
औरtf.lite.constants
(tf.lite.constants.*
प्रकार कोtf.*
TensorFlow डेटा प्रकार, दोहराव को कम करने के लिए)
-