TensorFlow 模型优化 - TensorFlow 机器学习平台

优化机器学习模型

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 模型优化工具包 (TensorFlow Model Optimization Toolkit) 是一套用于优化机器学习模型以进行部署和执行的工具。该工具包支持多种技术，其用途包括：

降低云端和边缘设备（如移动设备、物联网设备）的推理延迟和成本。
将模型部署到在处理能力、内存、功耗、网络使用和模型存储空间方面受限的边缘设备上。
实现在现有硬件或新型专用加速器上的执行并进行优化。

根据您的任务选择合适的模型和优化工具

利用现成模型提升性能

在许多情况下，使用预先优化过的模型可以提高应用程序的效率。
使用 TensorFlow 模型优化工具包

尝试使用训练后工具来优化已训练的 TensorFlow 模型。
进一步优化

使用训练时优化工具并了解相关技术。