Partecipa al simposio Women in ML il 7 dicembre Registrati ora

Inizia con l'ottimizzazione del modello TensorFlow

Mantieni tutto organizzato con le raccolte Salva e classifica i contenuti in base alle tue preferenze.

1. Scegli il modello migliore per l'attività

A seconda dell'attività, sarà necessario fare un compromesso tra la complessità e le dimensioni del modello. Se la tua attività richiede un'elevata precisione, potresti aver bisogno di un modello ampio e complesso. Per le attività che richiedono meno precisione, è meglio utilizzare un modello più piccolo perché non solo utilizzano meno spazio su disco e memoria, ma sono anche generalmente più veloci e più efficienti dal punto di vista energetico.

2. Modelli pre-ottimizzati

Verifica se i modelli pre-ottimizzati TensorFlow Lite esistenti offrono l'efficienza richiesta dalla tua applicazione.

3. Strumenti post-formazione

Se non puoi utilizzare un modello pre-addestrato per la tua applicazione, prova a utilizzare gli strumenti di quantizzazione post-addestramento di TensorFlow Lite durante la conversione di TensorFlow Lite, che può ottimizzare il tuo modello TensorFlow già addestrato.

Per saperne di più, vedere il tutorial sulla quantizzazione post-allenamento .

Passi successivi: strumenti per il tempo di formazione

Se le soluzioni semplici di cui sopra non soddisfano le tue esigenze, potrebbe essere necessario coinvolgere tecniche di ottimizzazione dei tempi di formazione. Ottimizza ulteriormente con i nostri strumenti per la formazione e approfondisci.