Attend the Women in ML Symposium on December 7 Register now
จัดทุกอย่างให้เป็นระเบียบอยู่เสมอด้วยคอลเล็กชัน บันทึกและจัดหมวดหมู่เนื้อหาตามค่ากำหนดของคุณ

ปรับโมเดลการเรียนรู้ของเครื่องให้เหมาะสม

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 Model Optimization Toolkit เป็นชุดเครื่องมือสำหรับการเพิ่มประสิทธิภาพโมเดล ML สำหรับการปรับใช้และการดำเนินการ ชุดเครื่องมือนี้สนับสนุนเทคนิคที่ใช้เพื่อ:
  • ลดเวลาแฝงและต้นทุนการอนุมานสำหรับอุปกรณ์คลาวด์และ Edge (เช่น อุปกรณ์เคลื่อนที่, IoT)
  • ปรับใช้โมเดลกับอุปกรณ์ Edge ที่มีข้อจำกัดในการประมวลผล หน่วยความจำ การใช้พลังงาน การใช้เครือข่าย และพื้นที่จัดเก็บโมเดล
  • เปิดใช้งานการดำเนินการและปรับให้เหมาะสมสำหรับฮาร์ดแวร์ที่มีอยู่หรือตัวเร่งความเร็ววัตถุประสงค์พิเศษใหม่

เลือกแบบจำลองและเครื่องมือเพิ่มประสิทธิภาพตามงานของคุณ: