ปรับโมเดลแมชชีนเลิร์นนิงให้เหมาะสม
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 เป็นชุดเครื่องมือสำหรับการเพิ่มประสิทธิภาพแบบจำลอง ML สำหรับการปรับใช้และการดำเนินการ ในหลาย ๆ การใช้งานชุดเครื่องมือนี้สนับสนุนเทคนิคที่ใช้เพื่อ:
- ลดเวลาในการตอบสนองและต้นทุนการอนุมานสำหรับอุปกรณ์คลาวด์และอุปกรณ์ขอบ (เช่นอุปกรณ์เคลื่อนที่ IoT)
- ปรับใช้โมเดลกับอุปกรณ์ edge โดยมีข้อ จำกัด ในการประมวลผลหน่วยความจำการใช้พลังงานการใช้งานเครือข่ายและพื้นที่จัดเก็บโมเดล
- เปิดใช้งานการดำเนินการและปรับให้เหมาะสมสำหรับฮาร์ดแวร์ที่มีอยู่หรือตัวเร่งความเร็วสำหรับวัตถุประสงค์พิเศษใหม่
เลือกโมเดลและเครื่องมือเพิ่มประสิทธิภาพตามงานของคุณ:
-
ปรับปรุงประสิทธิภาพด้วยรุ่นนอกชั้นวาง
ในหลายกรณีโมเดลที่ปรับให้เหมาะสมล่วงหน้าสามารถปรับปรุงประสิทธิภาพของแอปพลิเคชันของคุณได้ -
ใช้ TensorFlow Model Optimization Toolkit
Try the post-training tools to optimize an already-trained TensorFlow model. -
Optimize further
ใช้เครื่องมือเพิ่มประสิทธิภาพเวลาฝึกอบรมและเรียนรู้เกี่ยวกับเทคนิค