머신러닝 모델 최적화
import tensorflow as tf import tensorflow_model_optimization as tfmot model = tf.keras.Sequential([...]) pruning_schedule = tfmot.sparsity.keras.PolynomialDecay( initial_sparsity=0.0, final_sparsity=0.5, begin_step=2000, end_step=4000) model_for_pruning = tfmot.sparsity.keras.prune_low_magnitude( model, pruning_schedule=pruning_schedule) ... model_for_pruning.fit(...)
TensorFlow 모델 최적화 도구는 배포 및 실행을 위해 ML 모델을 최적화하기 위한 도구 모음입니다. 이 도구 모음은 다양하게 활용 가능하며 다음과 같은 이점을 얻기 위해 사용되는 여러 기술을 지원합니다.
- 클라우드 및 에지 기기(예: 모바일, IoT)의 지연 시간 및 추론 비용을 절감합니다.
- 처리, 메모리, 전력 소비, 네트워크 사용, 모델 저장공간 제약을 활용해 에지 기기에 모델을 배포합니다.
- 기존 하드웨어 또는 새로운 특수 목적 가속기에서의 실행을 지원 및 최적화합니다.
다음과 같이 작업에 따라 모델 및 최적화 도구를 선택하세요.
-
기존 모델을 사용한 성능 개선
대부분의 경우 사전 최적화된 모델을 사용하면 애플리케이션의 효율성을 개선할 수 있습니다. -
TensorFlow 모델 최적화 도구 사용
학습 후 도구를 사용해 이미 학습된 TensorFlow 모델을 최적화해 보세요. -
추가 최적화
학습 시간 최적화 도구를 사용하고 관련 기술에 관해 자세히 알아보세요.