JavaScript для глубокого обучения 2021 TensorFlow js Ббк

Часть IV • Резюме и заключительное слово
с предсказанием средних цен на недвижимость в различных регионах Калифорнии 
на основе числовых признаков наподобие медианного возраста объектов недвижи­
мости, общего количества комнат и т. д. Модель представляет собой пятислойную 
сеть, включающую слои дропаута для борьбы с переобучением. Для обучения и со­
хранения исходной (без квантования) модели выполните команду:
yarn train-housing
Рис. 12.2.
Примеры 16- и 8-битного квантования весов. Исходная 
тождественная функция (y = x, блок A) уменьшается в размере при 16- и 8-битном квантовании; 
результаты приведены в блоках Б и В соответственно. Чтобы эффекты квантования 
были видны на странице книги, мы показали крупным планом небольшой участок 
тождественной функции в окрестности x = 0
Следующая команда выполняет 16­ и 8­битное квантования сохраненной модели 
и оценивает, насколько эти два уровня квантования повлияли на безошибочность 

---

Глава 12. Тестирование, оптимизация и развертывание моделей
491
модели на контрольном наборе данных (подмножестве данных, которые модель 
не видела во время обучения):
yarn quantize-and-evaluate-housing
Ради удобства использования в этой команде заключено множество различных 
операций. Впрочем, ключевой этап, на котором, собственно, производится кван­
тование модели, виден в сценарии командной оболочки 
quantization/quantize_
evaluate.sh
. В этом сценарии можно видеть следующую инструкцию командной 
оболочки, которая производит 16­битное квантование модели, расположенной по 
адресу 
MODEL_JSON_PATH
. Можете по образу и подобию этой команды выполнить 
квантование своих собственных сохраненных TensorFlow.js моделей. Если же задано 
значение 
1
флага 
--quantization_bytes
, будет произведено 8­битное квантование:
tensorflowjs_converter \
--input_format tfjs_layers_model \
--output_format tfjs_layers_model \
--quantization_bytes 2 \
"${MODEL_JSON_PATH}" "${MODEL_PATH_16BIT}"
Предыдущая команда демонстрирует, как выполнить квантование весовых ко­
эффициентов модели, обученной на JavaScript. 
tensorflowjs_converter
также под­
держивает квантование весов при преобразовании моделей из Python в JavaScript, 
подробности которого показаны в инфобоксе 12.2.