開始使用 TensorFlow 模型最佳化

1. 為任務選擇最佳模型

根據任務需求，您需要在模型複雜度和大小之間權衡取捨。如果您的任務需要高精準度，則可能需要大型且複雜的模型。對於精確度要求較低的任務，最好使用較小的模型，因為它們不僅佔用較少的磁碟空間和記憶體，而且通常也更快、更節能。

2. 預先最佳化模型

查看是否有任何現有的 TensorFlow Lite 預先最佳化模型 能為您的應用程式提供所需的效率。

3. 訓練後工具

如果您的應用程式無法使用預先訓練的模型，請嘗試在 TensorFlow Lite 轉換 期間使用 TensorFlow Lite 訓練後量化工具，這可以最佳化您已訓練的 TensorFlow 模型。

請參閱訓練後量化教學課程以瞭解詳情。

後續步驟：訓練時期工具

如果上述簡單的解決方案無法滿足您的需求，您可能需要採用訓練時期的最佳化技術。使用我們的訓練時期工具進一步最佳化並深入瞭解。