Yerel TensorFlow Everywhere etkinliğiniz için bugün LCV!
Bu sayfa, Cloud Translation API ile çevrilmiştir.
Switch to English

TensorFlow model optimizasyonunu kullanmaya başlayın

1. Görev için en iyi modeli seçin

Göreve bağlı olarak, model karmaşıklığı ve boyutu arasında bir denge kurmanız gerekecektir. Göreviniz yüksek doğruluk gerektiriyorsa, büyük ve karmaşık bir modele ihtiyacınız olabilir. Daha az hassasiyet gerektiren görevler için daha küçük bir model kullanmak daha iyidir çünkü bunlar yalnızca daha az disk alanı ve bellek kullanmakla kalmaz, aynı zamanda genellikle daha hızlıdır ve enerji açısından daha verimlidir.

2. Önceden optimize edilmiş modeller

Önceden optimize edilmiş TensorFlow Lite modellerinin uygulamanızın gerektirdiği verimliliği sağlayıp sağlamadığına bakın.

3. Eğitim sonrası araçlar

Uygulamanız için önceden eğitilmiş bir model kullanamıyorsanız, TensorFlow Lite dönüşümü sırasında TensorFlow Lite eğitim sonrası kuantizasyon araçlarını kullanmayı deneyin; bu, önceden eğitilmiş TensorFlow modelinizi optimize edebilir.

Daha fazla bilgi edinmek için eğitim sonrası niceleme eğitimine bakın.

Sonraki adımlar: Eğitim zamanı araçları

Yukarıdaki basit çözümler ihtiyaçlarınızı karşılamıyorsa, eğitim süresi optimizasyon tekniklerini dahil etmeniz gerekebilir. Eğitim süresi araçlarımızla daha fazla optimizasyon yapın ve daha derine inin.