ปรับโมเดลการเรียนรู้ของเครื่องให้เหมาะสม ,เพิ่มประสิทธิภาพโมเดลการเรียนรู้ของเครื่อง
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(...)
TensorFlow Model Optimization Toolkit เป็นชุดเครื่องมือสำหรับการเพิ่มประสิทธิภาพโมเดล ML สำหรับการปรับใช้และการดำเนินการ ชุดเครื่องมือนี้สนับสนุนเทคนิคที่ใช้เพื่อ:
- ลดเวลาแฝงและต้นทุนการอนุมานสำหรับอุปกรณ์คลาวด์และ Edge (เช่น อุปกรณ์เคลื่อนที่, IoT)
- ปรับใช้โมเดลกับอุปกรณ์ Edge ที่มีข้อจำกัดในการประมวลผล หน่วยความจำ การใช้พลังงาน การใช้เครือข่าย และพื้นที่จัดเก็บโมเดล
- เปิดใช้งานการดำเนินการและปรับให้เหมาะสมสำหรับฮาร์ดแวร์ที่มีอยู่หรือตัวเร่งความเร็ววัตถุประสงค์พิเศษใหม่
เลือกแบบจำลองและเครื่องมือเพิ่มประสิทธิภาพตามงานของคุณ:
-
ปรับปรุงประสิทธิภาพด้วยรุ่นที่มีจำหน่ายทั่วไป ปรับปรุงประสิทธิภาพด้วยรุ่นที่วางจำหน่ายทั่วไป
ในหลายกรณี โมเดลที่ปรับให้เหมาะสมล่วงหน้าสามารถปรับปรุงประสิทธิภาพของแอปพลิเคชันของคุณได้ ,ในหลายกรณี โมเดลที่ปรับให้เหมาะสมล่วงหน้าสามารถปรับปรุงประสิทธิภาพของแอปพลิเคชันของคุณได้ -
ใช้ชุดเครื่องมือเพิ่มประสิทธิภาพโมเดล TensorFlow ใช้ชุดเครื่องมือเพิ่มประสิทธิภาพโมเดล TensorFlow
ลองใช้เครื่องมือหลังการฝึกอบรมเพื่อเพิ่มประสิทธิภาพโมเดล TensorFlow ที่ผ่านการฝึกอบรมแล้ว ,ลองใช้เครื่องมือหลังการฝึกอบรมเพื่อเพิ่มประสิทธิภาพโมเดล TensorFlow ที่ผ่านการฝึกอบรมแล้ว -
เพิ่มประสิทธิภาพเพิ่มเติม
ใช้เครื่องมือเพิ่มประสิทธิภาพเวลาการฝึกอบรมและเรียนรู้เกี่ยวกับเทคนิคต่างๆ ,ใช้เครื่องมือเพิ่มประสิทธิภาพเวลาการฝึกอบรมและเรียนรู้เกี่ยวกับเทคนิคต่างๆ