Otimize modelos de aprendizado de máquina
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(...)
O TensorFlow Model Optimization Toolkit é um conjunto de ferramentas para otimizar modelos de ML para implantação e execução. Entre muitos usos, o kit de ferramentas suporta técnicas usadas para:
- Reduza a latência e o custo de inferência para dispositivos de nuvem e de borda (por exemplo, dispositivos móveis, IoT).
- Implante modelos em dispositivos de borda com restrições de processamento, memória, consumo de energia, uso de rede e espaço de armazenamento do modelo.
- Habilite a execução e otimize para hardware existente ou novos aceleradores para fins especiais.
Escolha o modelo e a ferramenta de otimização dependendo da sua tarefa:
-
Melhore o desempenho com modelos prontos para uso
Em muitos casos, modelos pré-otimizados podem melhorar a eficiência de seu aplicativo. -
Use o kit de ferramentas de otimização de modelo do TensorFlow
Experimente as ferramentas pós-treinamento para otimizar um modelo TensorFlow já treinado. -
Otimize ainda mais
Use ferramentas de otimização de tempo de treinamento e aprenda sobre as técnicas.