การอัปเดต API

หน้านี้ให้ข้อมูลเกี่ยวกับการอัปเดตที่ทำกับ tf.lite.TFLiteConverter Python API ใน TensorFlow 2.x

• TensorFlow 2.3

  • รองรับประเภทอินพุต/เอาต์พุตจำนวนเต็ม (ก่อนหน้านี้ เฉพาะโฟลตเท่านั้น) สำหรับโมเดลเชิงปริมาณที่เป็นจำนวนเต็มโดยใช้แอตทริบิวต์ inference_input_type และ inference_output_type ใหม่ อ้างถึง ตัวอย่างการใช้งาน นี้
  • รองรับการแปลงและปรับขนาดโมเดลด้วยมิติแบบไดนามิก
  • เพิ่มโหมดการควอนไทซ์แบบทดลองใหม่ด้วยการเปิดใช้งานแบบ 16 บิตและน้ำหนักแบบ 8 บิต

• TensorFlow 2.2

  • โดยค่าเริ่มต้น ให้ใช้ประโยชน์ จากการแปลงตาม MLIR ซึ่งเป็นเทคโนโลยีคอมไพเลอร์ล้ำสมัยของ Google สำหรับการเรียนรู้ของเครื่อง สิ่งนี้ทำให้สามารถแปลงโมเดลคลาสใหม่ๆ รวมถึง Mask R-CNN, Mobile BERT และอื่นๆ และรองรับโมเดลที่มีโฟลว์การควบคุมการทำงาน

• TensorFlow 2.0 กับ TensorFlow 1.x

  • เปลี่ยนชื่อแอตทริบิวต์ target_ops เป็น target_spec.supported_ops
  • ลบแอตทริบิวต์ต่อไปนี้:
    • quantization : inference_type , quantized_input_stats , post_training_quantize , default_ranges_stats , reorder_across_fake_quant , change_concat_input_ranges , get_input_arrays() การฝึกอบรม quantize Aware นั้นได้รับการสนับสนุนผ่าน tf.keras API และ หลังการฝึก quantization จะใช้แอตทริบิวต์น้อยลง
    • การสร้างภาพ : output_format , dump_graphviz_dir , dump_graphviz_video แนวทางที่แนะนำสำหรับการแสดงภาพโมเดล TensorFlow Lite คือการใช้ visualize.py
    • กราฟ ที่หยุดนิ่ง : drop_control_dependency เนื่องจาก TensorFlow 2.x ไม่รองรับกราฟที่หยุดนิ่ง
  • ลบ API ตัวแปลงอื่น ๆ เช่น tf.lite.toco_convert และ tf.lite.TocoConverter
  • ลบ API ที่เกี่ยวข้องอื่นๆ เช่น tf.lite.OpHint และ tf.lite.constants (ประเภท tf.lite.constants.* ถูกแมปกับ tf.* ชนิดข้อมูล TensorFlow แล้ว เพื่อลดการซ้ำซ้อน)