Como começar com a otimização de modelos do TensorFlow

1. Escolha o melhor modelo para a tarefa

Dependendo da tarefa, você precisará fazer um trade-off entre a complexidade e o tamanho do modelo. Caso sua tarefa exija alta exatidão, talvez seja necessário um modelo maior e complexo. Para tarefas que exigem menos exatidão, é melhor usar um modelo menor, já que ocupa menos espaço em disco e memória, além de ser mais rápido e ter mais eficiência energética.

2. Modelos pré-otimizados

Veja se algum modelo pré-otimizado existente do TensorFlow Lite oferece a eficiência exigida pelo seu aplicativo.

3. Ferramentas pós-treinamento

Se você não puder usar um modelo pré-treinado para seu aplicativo, tente usar as ferramentas de quantização pós-treinamento do TensorFlow Lite durante a conversão do TensorFlow Lite, que pode otimizar seu modelo do TensorFlow já treinado.

Saiba mais neste tutorial de quantização pós-treinamento.

Próximas etapas: ferramentas de tempo de treinamento

Se as soluções simples acima não atenderem às suas necessidades, talvez você precise usar técnicas de otimização de tempo de treinamento. Otimize ainda mais com nossas ferramentas de tempo de treinamento e vá mais a fundo.