Empezar con la optimización del modelo de TensorFlow

1. Elija el mejor modelo para la tarea

Según la tarea, deberá buscar el equilibrio entre la complejidad y el tamaño del modelo. Si su tarea requiere una alta precisión, es posible que necesite un modelo grande y complejo. Para tareas que requieren menos precisión, es mejor usar un modelo más pequeño porque no solo usan menos espacio en disco y memoria, sino que también son generalmente más rápidos y más eficientes energéticamente.

2. Modelos preoptimizados

Vea si algún modelo preoptimizado de TensorFlow Lite existente proporciona la eficiencia que requiere su aplicación.

3. Herramientas posentrenamiento

Si no puede usar un modelo preentrenado para su aplicación, intente usar las herramientas de cuantificación posentrenamiento de TensorFlow Lite durante la conversión de TensorFlow Lite, que pueden optimizar su modelo de TensorFlow ya entrenado.

Consulte el tutorial de cuantificación posentrenamiento para obtener más información.

Próximos pasos: herramientas durante el entrenamiento

Si estas soluciones simples no satisfacen sus necesidades, es posible que deba usar técnicas de optimización durante el entrenamiento. Optimice aún más con nuestras herramientas durante el entrenamiento y vaya más a fondo.