Optimalkan model pembelajaran mesin
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 adalah rangkaian alat untuk mengoptimalkan model ML untuk penerapan dan eksekusi. Di antara banyak kegunaan, toolkit ini mendukung teknik yang digunakan untuk:
- Kurangi biaya latensi dan inferensi untuk perangkat cloud dan edge (mis. seluler, IoT).
- Deploy model ke perangkat edge dengan pembatasan pemrosesan, memori, konsumsi daya, penggunaan jaringan, dan ruang penyimpanan model.
- Aktifkan eksekusi dan optimalkan untuk perangkat keras yang ada atau akselerator tujuan khusus baru.
Pilih model dan alat pengoptimalan tergantung pada tugas Anda:
-
Tingkatkan kinerja dengan model siap pakai
Dalam banyak kasus, model yang telah dioptimalkan sebelumnya dapat meningkatkan efisiensi aplikasi Anda. -
Gunakan Perangkat Pengoptimalan Model TensorFlow
Coba alat pasca-pelatihan untuk mengoptimalkan model TensorFlow yang sudah dilatih. -
Optimalkan lebih lanjut
Gunakan alat pengoptimalan waktu pelatihan dan pelajari tekniknya.