Comience con la optimización del modelo TensorFlow
Organízate con las colecciones
Guarda y clasifica el contenido según tus preferencias.
1. Elija el mejor modelo para la tarea
Dependiendo de la tarea, deberá hacer un equilibrio entre la complejidad y el tamaño del modelo. Si su tarea requiere una alta precisión, es posible que necesite un modelo grande y complejo. Para tareas que requieren menos precisión, es mejor utilizar un modelo más pequeño porque no sólo utilizan menos espacio en disco y memoria, sino que también son generalmente más rápidos y más eficientes energéticamente.
2. Modelos preoptimizados
Vea si algún modelo preoptimizado de TensorFlow Lite existente proporciona la eficiencia requerida por su aplicación.
3. Herramientas posteriores a la capacitación
Si no puede usar un modelo previamente entrenado para su aplicación, intente usar las herramientas de cuantificación posteriores al entrenamiento de TensorFlow Lite durante la conversión de TensorFlow Lite , que pueden optimizar su modelo de TensorFlow ya entrenado.
Consulte el tutorial de cuantificación posterior al entrenamiento para obtener más información.
Si las soluciones simples anteriores no satisfacen sus necesidades, es posible que deba utilizar técnicas de optimización del tiempo de capacitación. Optimice aún más con nuestras herramientas de tiempo de capacitación y profundice.
A menos que se indique lo contrario, el contenido de esta página está sujeto a la licencia Reconocimiento 4.0 de Creative Commons y las muestras de código están sujetas a la licencia Apache 2.0. Para obtener más información, consulta las políticas del sitio web de Google Developers. Java es una marca registrada de Oracle o sus afiliados.
Última actualización: 2023-12-01 (UTC).
[{
"type": "thumb-down",
"id": "missingTheInformationINeed",
"label":"Me falta la información que necesito"
},{
"type": "thumb-down",
"id": "tooComplicatedTooManySteps",
"label":"Es demasiado complicado o hay demasiados pasos"
},{
"type": "thumb-down",
"id": "outOfDate",
"label":"Está obsoleto"
},{
"type": "thumb-down",
"id": "translationIssue",
"label":"Problema de traducción"
},{
"type": "thumb-down",
"id": "samplesCodeIssue",
"label":"Problema de muestras o código"
},{
"type": "thumb-down",
"id": "otherDown",
"label":"Otro"
}]
[{
"type": "thumb-up",
"id": "easyToUnderstand",
"label":"Es fácil de entender"
},{
"type": "thumb-up",
"id": "solvedMyProblem",
"label":"Me ofreció una solución al problema"
},{
"type": "thumb-up",
"id": "otherUp",
"label":"Otro"
}]
{"lastModified": "\u00daltima actualizaci\u00f3n: 2023-12-01 (UTC)."}
[[["Es fácil de entender","easyToUnderstand","thumb-up"],["Me ofreció una solución al problema","solvedMyProblem","thumb-up"],["Otro","otherUp","thumb-up"]],[["Me falta la información que necesito","missingTheInformationINeed","thumb-down"],["Es demasiado complicado o hay demasiados pasos","tooComplicatedTooManySteps","thumb-down"],["Está obsoleto","outOfDate","thumb-down"],["Problema de traducción","translationIssue","thumb-down"],["Problema de muestras o código","samplesCodeIssue","thumb-down"],["Otro","otherDown","thumb-down"]],["Última actualización: 2023-12-01 (UTC)."],[],[]]