Escolar Documentos
Profissional Documentos
Cultura Documentos
TensorFlow+2 0
TensorFlow+2 0
Aprendizagem e
Fine Tuning
Tínhamos antes…
E se tivermos uma estrutura como essa?
Muito complexa – muito rápida
Fonte: https://towardsdatascience.com/a-simple-guide-to-the-versions-of-the-inception-network-7fc52b863202
Fonte: https://web.stanford.edu/~hastie/CASI_files/DATA/cifar-100.html
Transferência de
Aprendizagem
Cabeçalho
BaseModelo
model (FROZEN)
base personalizado
Fine Tuning
Cabeçalho
ModeloModelo base
base (congelado) personalizado
Quando usar essas técnicas
State Target
State Target
Serving
Aplicação
Lado Cliente Lado Servidor
POST request
REQUEST REQUEST
Response PREDICTION
Vantagens do TF Serving
- Escalabilidade
- Baixa latência
- Pode gerenciar vários modelos
- Pode gerenciar várias versões do mesmo
modelo
Arquitetura do TF Serving
Server side
Model 1.0
Servable Version Model
handler Manager Loader Model 2.0
Model 3.0
Client side
REST
requests
TensorFlow Lite
Fluxos de modelos de Deep Learning em
dispositivos móveis
Previsões/inferência no
dispositivo móvel
Fluxo do TensorFlow Lite
Computador Dispositivo móvel
Treinamento do modelo
com TensorFlow 2.0
Usando o modelo em
um dispositivo usando
TensorFlow Lite
Salvar o modelo Interpreter
Converter para
dispositivo móvel com
TensorFlow Lite
Converter
Otimização do modelo
- Síncrona
- Assíncrona
Estratégias distribuídas comuns
Mirrored Strategy
(estratégia espelhada)
Multi-Workers Mirrored Strategy