Otimize modelos de aprendizado de máquina ,Otimizar modelos de aprendizado de máquina

import tensorflow as tf
import tensorflow_model_optimization as tfmot
import tf_keras as keras

model = 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(...)
O TensorFlow Model Optimization Toolkit é um conjunto de ferramentas para otimizar modelos de ML para implantação e execução. Entre muitos usos, o kit de ferramentas suporta técnicas usadas para:
  • Reduza a latência e o custo de inferência para dispositivos de nuvem e de borda (por exemplo, dispositivos móveis, IoT).
  • Implante modelos em dispositivos de borda com restrições de processamento, memória, consumo de energia, uso de rede e espaço de armazenamento do modelo.
  • Habilite a execução e otimize para hardware existente ou novos aceleradores para fins especiais.

Escolha o modelo e a ferramenta de otimização dependendo da sua tarefa: