Обновления API

На этой странице представлена ​​информация об обновлениях API tf.lite.TFLiteConverter Python в TensorFlow 2.x.

• ТензорФлоу 2.3

  • Поддержка целочисленного (ранее только плавающего) типа ввода/вывода для целочисленных квантованных моделей с использованием новых атрибутов inference_input_type и inference_output_type . Обратитесь к этому примеру использования .
  • Поддержка преобразования и изменения размеров моделей с динамическими размерами.
  • Добавлен новый экспериментальный режим квантования с 16-битными активациями и 8-битными весами.

• ТензорФлоу 2.2

  • По умолчанию используется преобразование на основе MLIR , передовая технология компиляции Google для машинного обучения. Это позволяет преобразовывать новые классы моделей, включая Mask R-CNN, Mobile BERT и т. д., и поддерживает модели с функциональным потоком управления.

• TensorFlow 2.0 против TensorFlow 1.x

  • target_ops переименован в target_spec.supported_ops
  • Удалены следующие атрибуты:
    • квантизация : inference_type , quantized_input_stats , post_training_quantize , default_ranges_stats , reorder_across_fake_quant , change_concat_input_ranges , get_input_arrays() . Вместо этого обучение с учетом квантования поддерживается через API tf.keras , а квантование после обучения использует меньше атрибутов.
    • визуализация : output_format , dump_graphviz_dir , dump_graphviz_video . Вместо этого для визуализации модели TensorFlow Lite рекомендуется использовать visualize.py .
    • замороженные графы : drop_control_dependency , так как замороженные графы не поддерживаются в TensorFlow 2.x.
  • Удалены другие API конвертера, такие как tf.lite.toco_convert и tf.lite.TocoConverter
  • Удалены другие связанные API, такие как tf.lite.OpHint и tf.lite.constants ( tf.lite.constants.* были сопоставлены с типами данных tf.* TensorFlow, чтобы уменьшить дублирование)