Diese Seite wurde von der Cloud Translation API übersetzt.
Switch to English

Optimieren Sie Modelle für maschinelles Lernen

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(...)
Das TensorFlow Model Optimization Toolkit ist eine Reihe von Tools zur Optimierung von ML-Modellen für die Bereitstellung und Ausführung. Unter vielen Anwendungen unterstützt das Toolkit Techniken, die verwendet werden, um:
  • Reduzieren Sie die Latenz- und Inferenzkosten für Cloud- und Edge-Geräte (z. B. Mobile, IoT).
  • Stellen Sie Modelle auf Edge-Geräten mit Einschränkungen in Bezug auf Verarbeitung, Speicher, Stromverbrauch, Netzwerknutzung und Modellspeicherplatz bereit.
  • Aktivieren Sie die Ausführung auf und optimieren Sie sie für vorhandene Hardware oder neue Spezialbeschleuniger.

Wählen Sie das Modell und das Optimierungswerkzeug abhängig von Ihrer Aufgabe: