隆重推出 LiteRT:Google 為裝置端 AI (舊稱 TensorFlow Lite) 打造的高效能執行階段。
模式多層檢視
視覺化工具,可讓您分析機器學習模型和圖表,加快在裝置端目標上部署的速度。
立即開始
在 Colab 中試用
瞭解詳情
加快邊緣開發速度
邊緣裝置的限制通常需要額外步驟才能轉換及最佳化模型,以便有效執行,而視覺化是瞭解模型及找出最佳化目標的最有效方法之一。
轉換 |
量化 |
提升效率 |
模型探索器的並排比較功能可讓您更輕鬆地找出轉換相關問題。逐層瀏覽圖表,展開及摺疊各個區段,深入瞭解圖表。根據所需精細程度,檢查圖表內部的內部結構和連結。 |
使用 Model Explorer 找出受量化影響的運算問題。依據錯誤指標排序運算作業,找出品質下降情形、取得各層的洞察資料,並比較不同的量化結果,找出理想的模型大小與品質折衷。 |
使用 Model Explorer,進一步瞭解基準測試和偵錯工具的輸出內容。深入瞭解哪些運算可在 GPU 上執行、依延遲時間排序運算,以及比較各加速器的運算效能。 |
支援大型模型
Model Explorer 可完美呈現大型模型。數千個節點?別擔心!以 GPU 為基礎的轉譯引擎可升級至順暢轉譯非常大型的模型。而 Model Explorer 採用的獨特方法,可將層級折疊成檔案和資料夾系統,因此瀏覽速度更快,也更容易瀏覽。
設計用來提升工作效率的功能
搜尋
|
分割檢視畫面 |
資料疊加層 |
強大的正規表示式搜尋功能可協助您找出、篩選及醒目顯示特定節點。

|
在同一個分頁中並排載入模型,方便比較。

|
將自訂的節點專屬資料載入至模式多層檢視,快速找出模型的熱點和其他問題。

|
匯出為 .png
|
書籤 |
輕鬆存取中繼資料
|
只要按一下按鈕,即可匯出圖表的圖片,與團隊成員分享。

|
新增書籤,即可在圖表中儲存位置,方便您在各區域之間跳轉。

|
查看張量形狀、追蹤輸入和輸出內容、醒目顯示相同的圖層,以及查看子節點數量等。

|
使用「Model Explorer」的兩種方式
在本機執行 |
在 Colab 筆記本中執行 |
請按照 GitHub 上的簡易安裝說明,在本機電腦上設定 Model Explorer。這項服務會在瀏覽器視窗中執行,所有資料都會保留在本機。支援 Linux、Mac 和 Windows。 |
模型探索器在 Colab 中運作良好,這表示您可以將其整合至現有的模型開發工作流程。試試示範筆記本,或按照安裝說明將其新增至自己的筆記本。 |
除非另有註明,否則本頁面中的內容是採用創用 CC 姓名標示 4.0 授權,程式碼範例則為阿帕契 2.0 授權。詳情請參閱《Google Developers 網站政策》。Java 是 Oracle 和/或其關聯企業的註冊商標。
上次更新時間:2025-01-13 (世界標準時間)。
[[["容易理解","easyToUnderstand","thumb-up"],["確實解決了我的問題","solvedMyProblem","thumb-up"],["其他","otherUp","thumb-up"]],[["缺少我需要的資訊","missingTheInformationINeed","thumb-down"],["過於複雜/步驟過多","tooComplicatedTooManySteps","thumb-down"],["過時","outOfDate","thumb-down"],["翻譯問題","translationIssue","thumb-down"],["示例/程式碼問題","samplesCodeIssue","thumb-down"],["其他","otherDown","thumb-down"]],["上次更新時間:2025-01-13 (世界標準時間)。"],[],[]]