TOCO, ku ji TensorFlow Lite Optimîzasyona Veguhezkar radiweste, di ekosîstema TensorFlow de hêmanek girîng e ku di bicîhkirina modelên fêrbûna makîneyê de li ser cîhazên mobîl û devê de rolek girîng dilîze. Ev veguherîner bi taybetî ji bo xweşbînkirina modelên TensorFlow-ê ji bo bicîhkirina li ser platformên bi çavkaniyê ve girêdayî ye, wekî têlefon, cîhazên IoT, û pergalên pêvekirî. Bi têgihîştina tevliheviyên TOCO-yê, pêşdebiran dikarin modelên xwe yên TensorFlow bi rengek bi bandor veguherînin forma ku ji bo bicîhkirina di senaryoyên hesabkirina derî de maqûl e.
Yek ji armancên bingehîn ên TOCO ev e ku modelên TensorFlow veguherîne nav formatek ku bi TensorFlow Lite re hevaheng e, guhertoyek sivik a TensorFlow-ê ku ji bo cîhazên mobîl û peravê xweşkirî ye. Ev pêvajoya veguheztinê çend gavên bingehîn vedihewîne, di nav de quantîzasyon, tevhevkirina operasyonan, û rakirina operasyonên ku di TensorFlow Lite de nayên piştgirî kirin. Bi pêkanîna van xweşbîniyan, TOCO dibe alîkar ku mezinahiya modelê kêm bike û karbidestiya wê baştir bike, û ew ji bo bicîhkirina li ser cîhazên bi çavkaniyên hesabker ên tixûbdar xweş çêdike.
Quantîzasyon teknîkek xweşbîniyê ya krîtîk e ku ji hêla TOCO ve tê bikar anîn da ku modelê ji karanîna jimareyên xala hêlînê ya 32-bit veguherîne jimareya jimareya sabît a bikêrtir. Ev pêvajo alîkar dike ku şopa bîranînê û hewcedariyên jimartinê yên modelê kêm bike, û dihêle ku ew li ser cîhazên bi kapasîteyên hesabkerî yên kêmtir bi bandortir bixebite. Digel vê yekê, TOCO fusiona operasyonê pêk tîne, ku tê de gelek operasyonan di yek operasyonê de berhev dike da ku sermaya ku bi pêkanîna operasyonên kesane veqetandî ve girêdayî ye kêm bike.
Digel vê yekê, TOCO di heman demê de veguheztina operasyonên TensorFlow yên ku di TensorFlow Lite de nayên piştgirî kirin jî bi cîhkirina wan bi karûbarên wekhev ên ku bi platforma armancê re hevaheng in vedigire. Ev piştrast dike ku modêl piştî pêvajoya veguheztinê fonksiyonel dimîne û bêyî windakirina fonksiyonê dikare bêkêmasî li ser cîhazên mobîl û peravê were bicîh kirin.
Ji bo ronîkirina girîngiya pratîkî ya TOCO, senaryoyek bihesibînin ku pêşdebirek modelek TensorFlow ji bo dabeşkirina wêneyê li ser serverek hêzdar û bi çavkaniyên pir hesabker ve perwerde kiriye. Lêbelê, sazkirina vê modelê rasterast li ser têlefonek an cîhazek IoT dibe ku ji ber hêza pêvajoyê û bîranîna tixûbdar a cîhazê ne pêkan be. Di rewşek weha de, pêşdebir dikare TOCO-ê bikar bîne da ku modela ji bo bicîhkirina li ser cîhaza mebest xweşbîn bike, û pê ewle bike ku ew bi bandor dimeşîne bêyî ku li ser rastbûn an performansê bixebite.
TOCO di ekosîstema TensorFlow de rolek girîng dilîze bi rê dide pêşdebiran ku modelên fêrbûna makîneyê li ser cîhazên sînorkirî yên çavkaniyê xweşbîn û bicîh bikin. Bi karanîna kapasîteyên TOCO-yê, pêşdebiran dikarin modelên TensorFlow veguherînin formatek ku ji bo serîlêdanên hesabkeriya berfê xweş e, bi vî rengî gihandina fêrbûna makîneyê berbi cûrbecûr cîhazên ji derveyî platformên hesabkirina kevneşopî berfireh dike.
Pirs û bersivên din ên vê dawiyê di derbarê Bingehîn TensorFlow EITC/AI/TFF:
- Meriv çawa dikare qatek binavkirî bikar bîne da ku bixweber axên rast ji bo nexşeyek nûnertiya peyvan wekî vektor destnîşan bike?
- Armanca berhevkirina max di CNN de çi ye?
- Pêvajoya derxistina taybetmendiyê di tora neuralî ya hevgirtî (CNN) de ji bo naskirina wêneyê çawa tê sepandin?
- Ma pêdivî ye ku ji bo modelên fêrbûna makîneyê yên ku li TensorFlow.js têne xebitandin fonksiyonek fêrbûna asynkron bikar bînin?
- Parametreya herî zêde ya peyvan a TensorFlow Keras Tokenizer API çi ye?
- Ma TensorFlow Keras Tokenizer API dikare were bikar anîn da ku peyvên herî pir caran bibîne?
- Têkiliya di navbera çend serdeman de di modelek fêrbûna makîneyê de û rastbûna pêşbîniya ji xebitandina modelê de çi ye?
- Ma API-ya cîranên pakêtê di Fêrbûna Structured Neural of TensorFlow de li ser bingeha daneya grafika xwezayî danûstendinek perwerdehiya zêdekirî çêdike?
- API-ya cîranên pakêtê di Fêrbûna Structured Neural of TensorFlow de çi ye?
- Ma Fêrbûna Structured Neural dikare bi daneyên ku ji bo wan grafikek xwezayî tune were bikar anîn?
Pir pirs û bersivan di EITC/AI/TFF TensorFlow Fundamentals de bibînin