API 更新

本页面提供了在 TensorFlow 2.x 中对 tf.lite.TFLiteConverter Python API 进行的更新的信息。

注：如果您对任何更改有疑问，请提交 GitHub 议题。

• TensorFlow 2.3

  • 对于使用新的 inference_input_type 和 inference_output_type 特性的整数量化模型，支持整数（之前仅支持浮点数）输入/输出类型。请参阅此示例用法。

  • 支持使用动态维度转换和调整模型大小。

  • 添加了具有 16 位激活和 8 位权重的新实验性量化模式。

• TensorFlow 2.2

  • 默认情况下，利用基于 MLIR 的转换（Google 最前沿的机器学习编译技术）。它可以转换新模型类，包括 Mask R-CNN、MobileBERT 等，同时也支持使用函数式控制流的模型。

• TensorFlow 2.0 与 TensorFlow 1.x

  • 将 target_ops 特性重命名为 target_spec.supported_ops

  • 移除了以下特性：

    • 量化：inference_type、quantized_input_stats、post_training_quantize、default_ranges_stats、reorder_across_fake_quant、change_concat_input_ranges、get_input_arrays()。现在，通过 tf.keras API 为量化感知训练提供支持，并且训练后量化使用更少的特性。

    • 可视化：output_format、dump_graphviz_dir、dump_graphviz_video。现在，可视化 TensorFlow Lite 模型的推荐方式是使用 visualize.py。

    • 冻结计算图：drop_control_dependency，因为 TensorFlow 2.x 不支持冻结计算图。

  • 移除了其他转换器 API，如 tf.lite.toco_convert 和 tf.lite.TocoConverter

  • 移除了其他相关 API，如 tf.lite.OpHint 和 tf.lite.constants（为了减少重复，tf.lite.constants.* 类型已映射到 tf.* TensorFlow 数据类型）