بهینه سازی مدل های یادگیری ماشین

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(...)
جعبه ابزار بهینه سازی مدل TensorFlow مجموعه ای از ابزارها برای بهینه سازی مدل های ML برای استقرار و اجرا است. در میان بسیاری از کاربردها، جعبه ابزار از تکنیک های مورد استفاده برای موارد زیر پشتیبانی می کند:
  • کاهش تأخیر و هزینه استنتاج برای دستگاه های ابری و لبه (مانند تلفن همراه، اینترنت اشیا).
  • مدل‌ها را در دستگاه‌های لبه با محدودیت‌هایی در پردازش، حافظه، مصرف انرژی، استفاده از شبکه و فضای ذخیره‌سازی مدل مستقر کنید.
  • فعال کردن اجرا و بهینه سازی سخت افزار موجود یا شتاب دهنده های جدید با هدف خاص.

بسته به وظیفه خود مدل و ابزار بهینه سازی را انتخاب کنید: