TensorFlow 模型优化入门

1. 选择最适合任务的模型

根据任务，您需要在模型复杂度和大小之间进行权衡。如果您的任务需要高精度，那么您可能需要一个大型且复杂的模型。对于需要较低精度的任务，最好使用较小的模型，因为它们不仅使用更少的磁盘空间和内存，而且通常更快、更节能。

2. 预优化模型

查看是否有任何现有的 TensorFlow Lite 预优化模型 提供您的应用程序所需的效率。

3. 训练后工具

如果您无法在您的应用程序中使用预训练模型，请尝试在 TensorFlow Lite 转换 期间使用 TensorFlow Lite 训练后量化工具，这可以优化您已经训练好的 TensorFlow 模型。

查看 训练后量化教程 以了解更多信息。

下一步：训练时工具

如果上述简单解决方案无法满足您的需求，您可能需要使用训练时优化技术。使用我们的训练时工具 进一步优化 并深入了解。