Optimiza los modelos de aprendizaje automático
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(...)
El kit de herramientas de optimización de modelos de TensorFlow es un conjunto de herramientas para optimizar los modelos de AA para su implementación y ejecución. Entre muchos usos, el kit de herramientas es compatible con técnicas utilizadas para lo siguiente:
- Reducir la latencia y el costo de inferencia para dispositivos de EDGE y en la nube (p. ej., dispositivos móviles, IoT)
- Implementar modelos en dispositivos de EDGE con restricciones de procesamiento, memoria, consumo de energía, uso de red y espacio de almacenamiento del modelo
- Habilitar la ejecución y optimizar para el hardware existente o los nuevos aceleradores de propósito especial
Elegir el modelo y la herramienta de optimización según tu tarea:
-
Mejora el rendimiento con modelos listos para usar
En muchos casos, los modelos optimizados con anterioridad pueden mejorar la eficacia de tu aplicación. -
Utiliza el kit de herramientas de optimización de modelos de TensorFlow
Prueba las herramientas posteriores al entrenamiento para optimizar un modelo de TensorFlow ya entrenado. -
Optimiza aún más
Usa las herramientas de optimización del tiempo de entrenamiento y aprende sobre las técnicas.