TensorFlow Model Optimization

优化机器学习模型

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 模型优化工具包是一套能够优化机器学习模型以便于部署和执行的工具。该工具包用途很多，其中包括支持用于以下方面的技术：

降低云和边缘设备（例如移动设备和 IoT 设备）的延迟时间和推断成本。
将模型部署到边缘设备，这些设备在处理、内存、耗电量、网络连接和模型存储空间方面存在限制。
在现有硬件或新的专用加速器上执行模型并进行优化。

根据您的任务选择模型和优化工具：

利用现成模型提高性能

在很多情况下，预先优化的模型可以提高应用的效率。
使用 TensorFlow 模型优化工具包

尝试使用训练后工具优化已经训练过的 TensorFlow 模型。
进一步优化

使用训练时优化工具并了解相关技术。