Questa pagina è stata tradotta dall'API Cloud Translation.
Switch to English

Ottimizza i modelli di apprendimento automatico

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 è una suite di strumenti per l'ottimizzazione dei modelli ML per l'implementazione e l'esecuzione. Tra i molti usi, il toolkit supporta le tecniche utilizzate per:
  • Ridurre i costi di latenza e inferenza per i dispositivi cloud e edge (ad es. Mobile, IoT).
  • Distribuisci i modelli sui dispositivi periferici con restrizioni su elaborazione, memoria, consumo energetico, utilizzo della rete e spazio di archiviazione dei modelli.
  • Abilita l'esecuzione e ottimizza per hardware esistente o nuovi acceleratori per scopi speciali.

Scegli il modello e lo strumento di ottimizzazione in base alla tua attività: