我正在内存有限，甚至处理能力有限的嵌入式系统上运行一些代码。
我正在使用TensorFlow进行此实现。
我以前从未在这种环境中工作过。
我可以采取哪些步骤来确保自己在实施/优化中尽可能地高效？
一些想法-
-修剪代码-
https://jacobgil.github.io/deeplearning/pruning-deep-learning
-确保循环尽可能少（从O角度看）
-...
非常感谢。
答案 0 :(得分：0)
如果您正在使用TensorFlow 1.13（2.0原型之前的最新稳定版本），则tf.contrib子模块中有一个pruning function。它包含一个稀疏性参数，您可以对其进行调整以确定网络的大小。
我建议您看一下所有tf.contrib.model_pruning子模块here。您可能需要针对特定任务的大量功能。
答案 1 :(得分：0)
我建议使用TensorFlow Lite。
它将使您能够压缩和量化模型，以使其更小，更快地运行。
如果其中任何一个可用，它还支持利用GPU和/或硬件加速器。