tensorflow - 使用 TFMOT 修剪的模型是否需要重新训练?
问题描述
我正在尝试使用 TFMOT(Tensorflow 模型优化工具包)修剪预训练模型。是否有必要重新训练修剪后的模型以减小 gzip 大小?不重新训练,模型gzip大小并没有减少
解决方案
是的,有必要训练模型来应用剪枝。
在训练过程中,修剪会慢慢将一些权重降低到零。这个渐进过程对于保持良好的准确性是必要的,可以通过特定的修剪计划进行微调。为获得最佳结果,应将修剪应用于已训练的模型。
Tensorflow 团队目前正在研究如何在没有培训的情况下一次性应用剪枝。目标不是生成有用的模型,而是在不重新训练的情况下测量修剪的大小和性能优势。 https://github.com/tensorflow/model-optimization/issues/621
推荐阅读
- ios - 适用于 iOS 11+ 的可扩展自定义 UITableViewCell
- javascript - 如何将返回值返回到具有多个嵌套承诺的服务器,例如谷歌日历 API
- security - pdftk 命令禁用软件打印
- android - GMS 更新 - apkmirror 网站如何获取 Android 应用程序的 GMS 更新
- android - React Native 更新的模块代码未反映在调试 Android 构建中
- shell - “which”命令最后抛出“not found”
- reactjs - 元素类型无效,期望字符串(对于内置组件)或类/函数(对于复合组件)但得到:对象
- virtualbox - 无法连接到服务器 connecteX 错误
- amazon-sagemaker - 在 Inf1 实例笔记本问题上运行 TensorFlow 模型
- java - 我想使用房间持久性库来建立两个表之间的关系?