Otimize modelos de aprendizado de máquina ,Otimizar modelos de aprendizado de máquina
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(...)
O TensorFlow Model Optimization Toolkit é um conjunto de ferramentas para otimizar modelos de ML para implantação e execução. Entre muitos usos, o kit de ferramentas suporta técnicas usadas para:
- Reduza a latência e o custo de inferência para dispositivos de nuvem e de borda (por exemplo, dispositivos móveis, IoT).
- Implante modelos em dispositivos de borda com restrições de processamento, memória, consumo de energia, uso de rede e espaço de armazenamento do modelo.
- Habilite a execução e otimize para hardware existente ou novos aceleradores para fins especiais.
Escolha o modelo e a ferramenta de otimização dependendo da sua tarefa:
-
Melhore o desempenho com modelos prontos para uso, Melhore o desempenho com modelos prontos para uso
Em muitos casos, os modelos pré-otimizados podem melhorar a eficiência da sua aplicação. ,Em muitos casos, os modelos pré-otimizados podem melhorar a eficiência da sua aplicação. -
Use o kit de ferramentas de otimização de modelo do TensorFlow,Use o kit de ferramentas de otimização de modelo do TensorFlow
Experimente as ferramentas pós-treinamento para otimizar um modelo do TensorFlow já treinado. ,Experimente as ferramentas pós-treinamento para otimizar um modelo TensorFlow já treinado. -
Otimize ainda mais
Utilize ferramentas de otimização do tempo de treinamento e conheça as técnicas. ,Utilize ferramentas de otimização do tempo de treinamento e conheça as técnicas.