Оптимизация моделей машинного обучения ,Оптимизация моделей машинного обучения
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(...)
Набор инструментов для оптимизации моделей TensorFlow — это набор инструментов для оптимизации моделей машинного обучения для развертывания и выполнения. Помимо многих применений, набор инструментов поддерживает методы, используемые для:
- Сократите время ожидания и стоимость логического вывода для облачных и пограничных устройств (например, мобильных устройств, Интернета вещей).
- Развертывайте модели на периферийных устройствах с ограничениями на обработку, память, энергопотребление, использование сети и пространство для хранения моделей.
- Включите выполнение и оптимизируйте для существующего оборудования или новых специальных ускорителей.
Выберите модель и инструмент оптимизации в зависимости от вашей задачи:
-
Улучшите производительность с помощью готовых моделей. Улучшите производительность с помощью готовых моделей.
Во многих случаях предварительно оптимизированные модели могут повысить эффективность вашего приложения. ,Во многих случаях предварительно оптимизированные модели могут повысить эффективность вашего приложения. -
Используйте набор инструментов оптимизации модели TensorFlow, используйте набор инструментов оптимизации модели TensorFlow.
Попробуйте инструменты постобучения, чтобы оптимизировать уже обученную модель TensorFlow. ,Попробуйте инструменты постобучения, чтобы оптимизировать уже обученную модель TensorFlow. -
Дальнейшая оптимизация
Используйте инструменты оптимизации времени обучения и узнайте об этих методах. ,Используйте инструменты оптимизации времени обучения и узнайте об этих методах.