
158
|
第
8
章
请注意,在撰写本书时,受支持的全套操作选择都是实验性的。你可以在 TensorFlow 网
站(
https://oreil.ly/Kn1Xj
)上找到详细信息。
用这个过程转换后,模型大小略有增加(增加到 2.9 MB,但仍然比原来的 8.9 MB 小很
多),但迭代速度急剧下降(大约每秒迭代一次)。然而,准确率提高到 98/100,更接近
原始模型。
如需更多技术并探索模型优化的结果,请查看
https://www.tensorfl ow.org/lite/performance/
model_optimization
。
亲自尝试一下,但请注意 Colab 环境可能会发生很大变化,你的结果可能与我不同,尤
其是在你使用不同模型时。我强烈建议你查看设备上的推理速度和准确性,以获得更合
适的结果。
8.6
总结
本章介绍了 TensorFlow Lite,以及它如何将使用 Python 训练的模型引入 Android 或 iOS
等移动设备。在探索有关如何编写 Android/Kotlin 或 iOS/Swift 应用程序来使用这些模型
的一些场景之前,你看到了工具链和转换器脚本,它们可让你缩小模型并针对移动设备
进行优化。除了简单的模型之外,你还开始看到作为应用程序开发人员在将数据从移动
环境的内部表示转换为 TensorFlow 模型中基于张量的数据时需要考虑的一些注意事项。
最后,你探索了一些用于进一步优化和缩小模型的场景。在第 9 章中,你将学习一些场
景来创建比“ Hello World ...