Optimice los modelos de aprendizaje automático
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(...)
El kit de herramientas de optimización de modelos de TensorFlow es un conjunto de herramientas para optimizar los modelos de aprendizaje automático para su implementación y ejecución. Entre muchos usos, el kit de herramientas admite técnicas utilizadas para:
- Reduzca la latencia y el costo de inferencia para la nube y los dispositivos perimetrales (por ejemplo, dispositivos móviles, IoT).
- Implemente modelos en dispositivos perimetrales con restricciones de procesamiento, memoria, consumo de energía, uso de la red y espacio de almacenamiento de modelos.
- Habilite la ejecución y optimice el hardware existente o nuevos aceleradores especiales.
Elija el modelo y la herramienta de optimización según su tarea:
-
Mejore el rendimiento con modelos listos para usar
En muchos casos, los modelos preoptimizados pueden mejorar la eficiencia de su aplicación. -
Usar el kit de herramientas de optimización de modelos de TensorFlow
Pruebe las herramientas posteriores al entrenamiento para optimizar un modelo TensorFlow ya entrenado. -
optimizar aún más
Utilice herramientas de optimización del tiempo de formación y conozca las técnicas.