Aktualizacje API

Ta strona zawiera informacje o aktualizacjach tf.lite.TFLiteConverter Python API w TensorFlow 2.x.

  • Przepływ Tensora 2,3

    • Obsługa typu danych wejściowych/wyjściowych typu integer (wcześniej tylko zmiennoprzecinkowe) dla skwantowanych modeli liczb całkowitych przy użyciu nowych atrybutów inference_input_type i inference_output_type . Zapoznaj się z tym przykładem użycia .
    • Wsparcie konwersji i zmiany rozmiaru modeli o wymiarach dynamicznych.
    • Dodano nowy eksperymentalny tryb kwantyzacji z 16-bitowymi aktywacjami i 8-bitowymi wagami.

  • Przepływ Tensora 2,2

    • Domyślnie korzystaj z konwersji opartej na MLIR , najnowocześniejszej technologii kompilatora Google do uczenia maszynowego. Umożliwia to konwersję nowych klas modeli, w tym Mask R-CNN, Mobile BERT itp. oraz obsługuje modele z funkcjonalnym przepływem sterowania.

  • TensorFlow 2.0 a TensorFlow 1.x

    • Zmieniono nazwę atrybutu target_ops na target_spec.supported_ops
    • Usunięto następujące atrybuty:
      • kwantyzacja : inference_type , quantized_input_stats , post_training_quantize , default_ranges_stats , reorder_across_fake_quant , change_concat_input_ranges , get_input_arrays() . Zamiast tego trening świadomy kwantyzacji jest obsługiwany przez interfejs API tf.keras , a kwantyzacja po treningu wykorzystuje mniej atrybutów.
      • wizualizacja : output_format , dump_graphviz_dir , dump_graphviz_video . Zamiast tego zalecanym podejściem do wizualizacji modelu TensorFlow Lite jest użycie visualize.py .
      • zamrożone wykresy : drop_control_dependency , ponieważ zamrożone wykresy nie są obsługiwane w TensorFlow 2.x.
    • Usunięto inne interfejsy API konwertera, takie jak tf.lite.toco_convert i tf.lite.TocoConverter
    • Usunięto inne powiązane interfejsy API, takie jak tf.lite.OpHint i tf.lite.constants (typy tf.lite.constants.* zostały zmapowane na typy danych tf.* TensorFlow w celu zmniejszenia duplikacji)