Halaman ini diterjemahkan oleh Cloud Translation API.
Switch to English

Mulailah dengan pengoptimalan model TensorFlow

1. Pilih model terbaik untuk tugas tersebut

Bergantung pada tugasnya, Anda perlu melakukan tradeoff antara kompleksitas dan ukuran model. Jika tugas Anda membutuhkan akurasi tinggi, Anda mungkin membutuhkan model yang besar dan kompleks. Untuk tugas-tugas yang membutuhkan presisi yang lebih rendah, lebih baik menggunakan model yang lebih kecil karena tidak hanya menggunakan lebih sedikit ruang disk dan memori, tetapi juga umumnya lebih cepat dan lebih hemat energi.

2. Model yang telah dioptimalkan sebelumnya

Lihat apakah model TensorFlow Lite yang telah dioptimalkan sebelumnya memberikan efisiensi yang dibutuhkan oleh aplikasi Anda.

3. Perkakas pasca pelatihan

Jika Anda tidak dapat menggunakan model terlatih untuk aplikasi Anda, coba gunakan alat kuantisasi pasca pelatihan TensorFlow Lite selama konversi TensorFlow Lite , yang dapat mengoptimalkan model TensorFlow Anda yang sudah terlatih.

Lihat tutorial kuantisasi pasca pelatihan untuk mempelajari lebih lanjut.

Langkah selanjutnya: Perkakas waktu pelatihan

Jika solusi sederhana di atas tidak memenuhi kebutuhan Anda, Anda mungkin perlu melibatkan teknik pengoptimalan waktu pelatihan. Optimalkan lebih jauh dengan alat waktu pelatihan kami dan gali lebih dalam.