Diese Seite wurde von der Cloud Translation API übersetzt.
Switch to English

Beginnen Sie mit der TensorFlow-Modelloptimierung

1. Wählen Sie das beste Modell für die Aufgabe

Abhängig von der Aufgabe müssen Sie einen Kompromiss zwischen Modellkomplexität und -größe eingehen. Wenn Ihre Aufgabe eine hohe Genauigkeit erfordert, benötigen Sie möglicherweise ein großes und komplexes Modell. Für Aufgaben, die weniger Präzision erfordern, ist es besser, ein kleineres Modell zu verwenden, da sie nicht nur weniger Speicherplatz und Speicher benötigen, sondern im Allgemeinen auch schneller und energieeffizienter sind.

2. Voroptimierte Modelle

Überprüfen Sie, ob vorhandene voroptimierte TensorFlow Lite-Modelle die für Ihre Anwendung erforderliche Effizienz bieten.

3. Werkzeuge nach dem Training

Wenn Sie für Ihre Anwendung kein vorab trainiertes Modell verwenden können, versuchen Sie, während der TensorFlow Lite-Konvertierung TensorFlow Lite-Quantisierungstools nach dem Training zu verwenden, um Ihr bereits trainiertes TensorFlow-Modell zu optimieren.

Weitere Informationen finden Sie im Quantisierungs-Tutorial nach dem Training .

Nächste Schritte: Werkzeuge für die Schulungszeit

Wenn die oben genannten einfachen Lösungen Ihren Anforderungen nicht entsprechen, müssen Sie möglicherweise Techniken zur Optimierung der Schulungszeit anwenden. Optimieren Sie weiter mit unseren Trainingszeit-Tools und graben Sie tiefer.