Bu sayfa, tf.lite.TFLiteConverter
Python API'sinde yapılan güncellemeler hakkında bilgi sağlar.
TensorFlow 2.3
- Yeni
inference_input_type
veinference_output_type
özniteliklerini kullanan tamsayı nicelleştirilmiş modeller için tamsayı (önceden yalnızca kayan) giriş/çıkış türünü destekler. Bu örnek kullanıma bakın. - Dinamik boyutlara sahip modellerin dönüştürülmesini ve yeniden boyutlandırılmasını destekler.
- 16-bit aktivasyonlar ve 8-bit ağırlıklar ile yeni bir deneysel niceleme modu eklendi.
- Yeni
TensorFlow 2.2
- Varsayılan olarak, makine öğrenimi için Google'ın en son derleyici teknolojisi olan MLIR tabanlı dönüştürmeden yararlanın. Bu, Mask R-CNN, Mobile BERT vb. dahil olmak üzere yeni model sınıflarının dönüştürülmesini sağlar ve işlevsel kontrol akışına sahip modelleri destekler.
TensorFlow 2.0 ve TensorFlow 1.x
-
target_ops
özniteliği,target_spec.supported_ops
olarak yeniden adlandırıldı - Aşağıdaki öznitelikler kaldırıldı:
- niceleme :
post_training_quantize
,quantized_input_stats
,inference_type
,default_ranges_stats
,reorder_across_fake_quant
,change_concat_input_ranges
,get_input_arrays()
. Bunun yerine, kuantize farkında eğitimtf.keras
API aracılığıyla desteklenir ve eğitim sonrası kuantizasyon daha az öznitelik kullanır. - görselleştirme :
output_format
,dump_graphviz_dir
,dump_graphviz_video
. Bunun yerine, bir TensorFlow Lite modelini görselleştirmek için önerilen yaklaşım, visualize.py kullanmaktır. - dondurulmuş grafikler :
drop_control_dependency
, çünkü dondurulmuş grafikler TensorFlow 2.x'te desteklenmez.
- niceleme :
-
tf.lite.toco_convert
vetf.lite.TocoConverter
gibi diğer dönüştürücü API'leri kaldırıldı -
tf.lite.OpHint
vetf.lite.constants
gibi diğer ilgili API'ler kaldırıldı (tekrarlamayı azaltmak içintf.lite.constants.*
türleritf.*
TensorFlow veri türleriyle eşleştirildi)
-