TensorFlow Model Optimization

最佳化機器學習模型

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 模型最佳化工具包是一套可將機器學習模型最佳化，以便進行部署和執行的工具。在許多用途中，工具包都支援下列技術：

縮短雲端和邊緣裝置 (例如行動裝置、IoT) 的延遲時間與推論成本。
將模型部署至邊緣裝置，並限制處理能力、記憶體、耗電量、網路用量和模型儲存空間。
執行和最佳化現有硬體或新型特殊用途加速器。

根據你的工作選擇模型和最佳化工具：

使用現成模型提升效能

在許多情況下，預先最佳化的模型可改善應用程式的效率。
使用 TensorFlow 模型最佳化工具包

試用訓練後工具針對已訓練過的 TensorFlow 模型進行最佳化。
進一步最佳化

使用訓練時間最佳化工具並瞭解相關技巧。