मशीन लर्निंग मॉडल को ऑप्टिमाइज़ करें
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 मॉडल ऑप्टिमाइज़ेशन टूलकिट परिनियोजन और निष्पादन के लिए ML मॉडल को अनुकूलित करने के लिए उपकरणों का एक सूट है। कई उपयोगों में, टूलकिट निम्नलिखित के लिए उपयोग की जाने वाली तकनीकों का समर्थन करता है:
- क्लाउड और एज डिवाइस (जैसे मोबाइल, IoT) के लिए विलंबता और अनुमान लागत कम करें।
- प्रसंस्करण, स्मृति, बिजली की खपत, नेटवर्क उपयोग और मॉडल भंडारण स्थान पर प्रतिबंध के साथ उपकरणों को किनारे करने के लिए मॉडल तैनात करें।
- मौजूदा हार्डवेयर या नए विशेष प्रयोजन त्वरक को चालू और अनुकूलित करने के लिए निष्पादन सक्षम करें।
अपने कार्य के आधार पर मॉडल और अनुकूलन उपकरण चुनें:
-
ऑफ-द-शेल्फ मॉडल के साथ प्रदर्शन में सुधार करें
कई मामलों में, पूर्व-अनुकूलित मॉडल आपके एप्लिकेशन की दक्षता में सुधार कर सकते हैं। -
TensorFlow मॉडल ऑप्टिमाइज़ेशन टूलकिट का उपयोग करें
पहले से प्रशिक्षित TensorFlow मॉडल को ऑप्टिमाइज़ करने के लिए पोस्ट-ट्रेनिंग टूल आज़माएँ। -
आगे अनुकूलित करें
प्रशिक्षण-समय अनुकूलन टूल का उपयोग करें और तकनीकों के बारे में जानें।