بیشتر بهینه سازی کنید
با مجموعه‌ها، منظم بمانید
ذخیره و طبقه‌بندی محتوا براساس اولویت‌های شما.
وقتی مدل‌های از پیش بهینه‌شده و ابزارهای پس از آموزش مورد استفاده شما را برآورده نمی‌کنند، قدم بعدی این است که ابزارهای مختلف زمان آموزش را امتحان کنید.
ابزار زمان آموزش، تابع تلفات مدل را بر روی داده‌های آموزشی، به گونه‌ای انجام می‌دهد که مدل می‌تواند با تغییرات ایجاد شده توسط تکنیک بهینه‌سازی «انطباق» پیدا کند.
نقطه شروع برای استفاده از API های آموزشی ما یک اسکریپت آموزشی Keras است که می تواند به صورت اختیاری از یک مدل Keras از پیش آموزش دیده برای تنظیم دقیق تر مقداردهی اولیه شود.
ابزارهای زمان آموزش در دسترس شما برای امتحان کردن:
جز در مواردی که غیر از این ذکر شده باشد،محتوای این صفحه تحت مجوز Creative Commons Attribution 4.0 License است. نمونه کدها نیز دارای مجوز Apache 2.0 License است. برای اطلاع از جزئیات، به خطمشیهای سایت Google Developers مراجعه کنید. جاوا علامت تجاری ثبتشده Oracle و/یا شرکتهای وابسته به آن است.
تاریخ آخرین بهروزرسانی 2025-07-25 بهوقت ساعت هماهنگ جهانی.
[null,null,["تاریخ آخرین بهروزرسانی 2025-07-25 بهوقت ساعت هماهنگ جهانی."],[],[],null,["# Optimize further\n\n\u003cbr /\u003e\n\nWhen pre-optimized models and post-training tools do not satisfy your use case,\nthe next step is to try the different training-time tools.\n\nTraining time tools piggyback on the model's loss function over the training\ndata such that the model can \"adapt\" to the changes brought by the optimization\ntechnique.\n\nThe starting point to use our training APIs is a Keras training script, which\ncan be optionally initialized from a pre-trained Keras model to further fine\ntune.\n\nTraining time tools available for you to try:\n\n- [Weight pruning](./pruning/)\n- [Quantization](./quantization/training)\n- [Weight clustering](./clustering/)\n- [Collaborative optimization](./combine/collaborative_optimization)"]]
