Merken Sie den Termin vor! Google I / O kehrt vom 18. bis 20. Mai zurück Registrieren Sie sich jetzt
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: