Ta strona została przetłumaczona przez Cloud Translation API.
Switch to English

Zoptymalizuj modele uczenia maszynowego

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 to zestaw narzędzi do optymalizacji modeli ML pod kątem wdrażania i wykonywania. Wśród wielu zastosowań zestaw narzędzi obsługuje techniki używane do:
  • Zmniejsz opóźnienie i koszt wnioskowania w przypadku urządzeń chmurowych i brzegowych (np. Mobilnych, IoT).
  • Wdrażaj modele na urządzeniach brzegowych z ograniczeniami dotyczącymi przetwarzania, pamięci, zużycia energii, wykorzystania sieci i przestrzeni dyskowej modelu.
  • Włącz wykonywanie i optymalizuj pod kątem istniejącego sprzętu lub nowych akceleratorów specjalnego przeznaczenia.

Wybierz model i narzędzie optymalizacyjne w zależności od zadania: