Trang này cung cấp thông tin về các bản cập nhật được thực hiện cho API Python tf.lite.TFLiteConverter
trong TensorFlow 2.x.
TensorFlow 2.3
- Hỗ trợ kiểu đầu vào / đầu ra số nguyên (trước đây, chỉ float) cho các mô hình lượng tử hóa số nguyên bằng cách sử dụng các thuộc tính
inference_input_type
vàinference_output_type
mới. Tham khảo cách sử dụng ví dụ này. - Hỗ trợ chuyển đổi và thay đổi kích thước của các mô hình với kích thước động.
- Đã thêm chế độ lượng tử hóa thử nghiệm mới với kích hoạt 16 bit và trọng số 8 bit.
- Hỗ trợ kiểu đầu vào / đầu ra số nguyên (trước đây, chỉ float) cho các mô hình lượng tử hóa số nguyên bằng cách sử dụng các thuộc tính
TensorFlow 2.2
- Theo mặc định, sử dụng chuyển đổi dựa trên MLIR , công nghệ trình biên dịch tiên tiến nhất của Google cho máy học. Điều này cho phép chuyển đổi các lớp mô hình mới, bao gồm Mask R-CNN, Mobile BERT, v.v. và hỗ trợ các mô hình có luồng điều khiển chức năng.
TensorFlow 2.0 so với TensorFlow 1.x
- Đã đổi tên thuộc tính
target_ops
thànhtarget_spec.supported_ops
- Đã xóa các thuộc tính sau:
- lượng tử hóa :
inference_type
,quantized_input_stats
,post_training_quantize
,default_ranges_stats
,reorder_across_fake_quant
,change_concat_input_ranges
,get_input_arrays()
. Thay vào đó, đào tạo nhận thức lượng tử hóa được hỗ trợ thông qua APItf.keras
và lượng tử hóa sau đào tạo sử dụng ít thuộc tính hơn. - trực quan hóa :
output_format
,dump_graphviz_dir
,dump_graphviz_video
. Thay vào đó, cách tiếp cận được đề xuất để hình dung mô hình TensorFlow Lite là sử dụng visual.py . - đồ thị cố định:
drop_control_dependency
, vì đồ thị cố định không được hỗ trợ trong TensorFlow 2.x.
- lượng tử hóa :
- Đã xóa các API chuyển đổi khác như
tf.lite.toco_convert
vàtf.lite.TocoConverter
- Đã xóa các API liên quan khác như
tf.lite.OpHint
vàtf.lite.constants
(các loạitf.lite.constants.*
Đã được ánh xạ tới các kiểu dữ liệutf.*
TensorFlow, để giảm trùng lặp)
- Đã đổi tên thuộc tính