Atualizações da API

Esta página fornece informações sobre as atualizações feitas na API Python tf.lite.TFLiteConverter no TensorFlow 2.x.

• TensorFlow 2.3

  • Suporta tipo de entrada/saída integer (anteriormente, apenas float) para modelos quantizados inteiros usando os novos atributos inference_input_type e inference_output_type . Consulte este exemplo de uso .
  • Suporta conversão e redimensionamento de modelos com dimensões dinâmicas.
  • Adicionado um novo modo de quantização experimental com ativações de 16 bits e pesos de 8 bits.

• TensorFlow 2.2

  • Por padrão, aproveite a conversão baseada em MLIR , a tecnologia de compilador de ponta do Google para aprendizado de máquina. Isso permite a conversão de novas classes de modelos, incluindo Mask R-CNN, Mobile BERT, etc e suporta modelos com fluxo de controle funcional.

• TensorFlow 2.0 x TensorFlow 1.x

  • target_ops o atributo target_ops para target_spec.supported_ops
  • Removidos os seguintes atributos:
    • quantização : inference_type , quantized_input_stats , post_training_quantize , default_ranges_stats , reorder_across_fake_quant , change_concat_input_ranges , get_input_arrays() . Em vez disso, o treinamento com reconhecimento de quantização é suportado por meio da API tf.keras e a quantização pós-treinamento usa menos atributos.
    • visualização : output_format , dump_graphviz_dir , dump_graphviz_video . Em vez disso, a abordagem recomendada para visualizar um modelo do TensorFlow Lite é usar visualize.py .
    • gráficos congelados : drop_control_dependency , pois não há suporte para gráficos congelados no TensorFlow 2.x.
  • Removidas outras APIs de conversão, como tf.lite.toco_convert e tf.lite.TocoConverter
  • Removidas outras APIs relacionadas, como tf.lite.OpHint e tf.lite.constants (os tipos tf.lite.constants.* foram mapeados para os tipos de dados tf.* TensorFlow, para reduzir a duplicação)