Адаптувати нейромережу під нову архітектуру(Python, Tensoflow, VGG-16)

Адаптувати існуючий приклад під більш нову архітектуру EfficientNet

Головний репозиторій прикладу
https://github.com/magenta/magenta/tree/main/magenta/models/image_stylization

В існуючому прикладі реалізовано на VGG-16, що э не дуже ефективним варіантом на мобільний пристроях,
спілкувався з розробниками Tensorflow Gpu делегата і вони написали що мій варант не ефективний і треба перетренувати.

Треба проаналізувати данні скріпти і переписати.

Що я використовував

Це 3 скрипти та команди с параметрами для них
https://github.com/magenta/magenta/blob/main/magenta/models/image_stylization/image_stylization_create_dataset.py
https://github.com/magenta/magenta/blob/main/magenta/models/image_stylization/image_stylization_train.py
https://github.com/magenta/magenta/blob/main/magenta/models/image_stylization/image_stylization_convert_tflite.py

python image_stylization_create_dataset.py --style_files=C:\Users\teran\PycharmProjects\magenta\arbitrary_image_stylization\data\style\*.jpg --output_file=C:\Users\teran\PycharmProjects\magenta\arbitrary_image_stylization\data\style_set\style_images.tfrecord --compute_gram_matrices=true --logtostderr      

 
python image_stylization_train.py --train_dir=C:\Users\teran\PycharmProjects\magenta\data\train --style_dataset_file=C:\Users\teran\PycharmProjects\magenta\data\style_set\style_images.tfrecord --num_styles=170 --alpha=0.25 --vgg_checkpoint=C:\Users\teran\PycharmProjects\magenta\data\vgg_16.ckpt --imagenet_data_dir=E:\ImageNet\output

python image_stylization_convert_tflite.py --checkpoint=C:\Users\teran\PycharmProjects\magenta\data\train --num_styles=170 --alpha=1.00 --output_model=C:\Users\teran\PycharmProjects\magenta\data\tflite\

ще я додам вихідний файл який вже я використовую в мобільному додатку

Треба працючі скріпти для тренерування та конвертації мережі в tflite на основі нової архітектури

Напишіть, будь ласка скільки у вас займе часу і скільки це буде коштувать