Pembaruan API

Halaman ini memberikan informasi tentang pembaruan yang dilakukan pada tf.lite.TFLiteConverter Python API di TensorFlow 2.x.

  • TensorFlow 2.3

    • Mendukung tipe input/output integer (sebelumnya, hanya float) untuk model terkuantisasi integer menggunakan atribut inference_input_type dan inference_output_type yang baru. Lihat contoh penggunaan ini.
    • Mendukung konversi dan pengubahan ukuran model dengan dimensi dinamis.
    • Menambahkan mode kuantisasi eksperimental baru dengan aktivasi 16-bit dan bobot 8-bit.

  • TensorFlow 2.2

    • Secara default, manfaatkan konversi berbasis MLIR , teknologi kompiler canggih Google untuk pembelajaran mesin. Ini memungkinkan konversi kelas model baru, termasuk Mask R-CNN, Mobile BERT, dll dan mendukung model dengan aliran kontrol fungsional.

  • TensorFlow 2.0 vs TensorFlow 1.x

    • Mengganti nama atribut target_ops menjadi target_spec.supported_ops
    • Menghapus atribut berikut:
      • kuantisasi : inference_type , quantized_input_stats , post_training_quantize , default_ranges_stats , reorder_across_fake_quant , change_concat_input_ranges , get_input_arrays() . Sebaliknya, pelatihan sadar kuantisasi didukung melalui API tf.keras dan kuantisasi pasca pelatihan menggunakan lebih sedikit atribut.
      • visualisasi : output_format , dump_graphviz_dir , dump_graphviz_video . Sebagai gantinya, pendekatan yang disarankan untuk memvisualisasikan model TensorFlow Lite adalah dengan menggunakan visualize.py .
      • grafik beku : drop_control_dependency , karena grafik beku tidak didukung di TensorFlow 2.x.
    • Menghapus API konverter lain seperti tf.lite.toco_convert dan tf.lite.TocoConverter
    • Menghapus API terkait lainnya seperti tf.lite.OpHint dan tf.lite.constants (tipe tf.lite.constants.* telah dipetakan ke tf.* tipe data TensorFlow, untuk mengurangi duplikasi)