Gotowe modele to modele, które zostały już przeszkolone w określonym celu. Istnieje wiele już przeszkolonych modeli typu open source, których można od razu użyć z TensorFlow.js do wykonania wielu zadań związanych z uczeniem maszynowym. Ten temat zawiera wskazówki dotyczące znajdowania i wybierania gotowych modeli dla danego przypadku użycia.
Korzyści z używania gotowych modeli
TensorFlow.js ma szerokie spektrum gotowych modeli, które można wykorzystać w dowolnym projekcie od razu po wyjęciu z pudełka i zapewniają następujące znaczące korzyści:
- Oszczędzaj czas i zasoby : unikaj czasochłonnych procesów gromadzenia, przygotowywania i etykietowania danych, a następnie szkolenia, oceny i ulepszania modelu. Bądź w stanie szybko prototypować swoje pomysły.
- Wykorzystaj istniejące badania i dokumentację : najnowocześniejsze badania wykorzystywane przy opracowywaniu gotowych modeli umożliwiają szybkie wdrażanie ich przy jednoczesnym zrozumieniu ich działania w różnych rzeczywistych scenariuszach.
- Włącz uczenie się transferu : Gotowe modele umożliwiają wykorzystanie informacji wyuczonych przez model do zadania w innym, podobnym przypadku użycia. Ten proces uczenia się transferu umożliwi szybkie uczenie istniejących modeli na niestandardowych danych.
Znajdź model
Znalezienie istniejącego modelu TensorFlow.js dla twojego przypadku użycia zależy od tego, co próbujesz osiągnąć. Na przykład, czy Twoja aplikacja musi działać po stronie klienta czy po stronie serwera? Jak ważne są takie czynniki jak prywatność, szybkość i dokładność? itp.
Oto kilka zalecanych sposobów odkrywania modeli do użytku z TensorFlow.js:
Na przykład: najszybszym sposobem na znalezienie i rozpoczęcie korzystania z modeli z TensorFlow.js jest przejrzenie sekcji demonstracji TensorFlow.js w celu znalezienia wersji demonstracyjnych, które wykonują zadanie podobne do Twojego przypadku użycia. Ten katalog zawiera zabawne przykłady użycia z linkami do kodu, który pomoże Ci zacząć.
Według typu danych wejściowych: oprócz przeglądania przykładów podobnych do Twojego przypadku użycia, innym sposobem odkrywania modeli do własnego użytku jest rozważenie typu danych, które chcesz przetwarzać, takich jak dźwięk, tekst lub obrazy. Modele uczenia maszynowego są często projektowane do użytku z jednym z tych typów danych, więc szukanie modeli obsługujących typ danych, którego chcesz użyć, może pomóc zawęzić wybór modeli do rozważenia. Możesz rozpocząć przeglądanie modeli TensorFlow.js na podstawie ogólnych przypadków użycia w sekcji modeli TensorFlow.js lub przeglądać większy zestaw modeli w TensorFlow Hub . W TensorFlow Hub możesz użyć filtru domeny problemu , aby wyświetlić typy danych modelu i zawęzić listę.
Poniższa lista łączy do modeli TensorFlow.js w TensorFlow Hub dla typowych przypadków użycia:
- Modele klasyfikacji obrazów
- Modele wykrywania obiektów
- Modele tekstowe
- modele audio
Wybieraj spośród podobnych modeli
Jeśli Twoja aplikacja jest zgodna z typowym przypadkiem użycia, takim jak klasyfikacja obrazu lub wykrywanie obiektów, możesz znaleźć wiele modeli TensorFlow.js, które odpowiadają Twoim potrzebom. Gdy masz już kilka modeli, które mają zastosowanie do twojego przypadku użycia, chcesz zidentyfikować model, który zapewni najlepsze rozwiązanie. Aby to zrobić, rozważ następujące aspekty każdego modelu:
- Szybkość wnioskowania
- Rozmiar pliku
- Wykorzystanie pamięci RAM w czasie wykonywania
- Cechy/możliwości modelu
Decydując się na kilka modeli, możesz zawęzić opcje w oparciu o najbardziej ograniczające ograniczenie, takie jak rozmiar modelu, rozmiar danych, szybkość wnioskowania lub dokładność itp.
Jeśli nie jesteś pewien, jakie jest Twoje największe ograniczenie, załóż, że jest to rozmiar modelu i wybierz najmniejszy dostępny model. Wybranie małego modelu zapewnia największą elastyczność pod względem miejsca pomyślnego wdrożenia i uruchomienia modelu. Mniejsze modele zazwyczaj generują również szybsze wnioski, a szybsze prognozy generalnie zapewniają lepsze wrażenia użytkownika końcowego. Jednak mniejsze modele mają zwykle niższe współczynniki dokładności, więc może być konieczne wybranie większych modeli, jeśli zależy Ci na dokładności przewidywania.
Źródła modeli
Gotowe modele w TensorFlow.js są zwykle dostępne w dwóch formach. Oficjalne modele są dostarczane w klasach JavaScript, co ułatwia ich wdrożenie w Twojej aplikacji. Inne są w surowej formie, która może wymagać dodatkowego kodu do przetwarzania danych wejściowych i wyjściowych przed/po przetwarzaniu.
Użyj modeli TensorFlow.js jako pierwszego miejsca docelowego do wyszukiwania i wybierania modeli do użycia z TensorFlow.js. To są oficjalne modele dostarczone przez zespół TensorFlow.js, które mają już opakowania JavaScript, które ułatwiają integrację z twoim kodem. Witryna TensorFlow Hub zawiera dodatkowe modele. Pamiętaj, że modele w Hubie mogą być w surowym formacie, co wymaga dodatkowej pracy z Twojej strony w celu integracji.
Modele TensorFlow
Istnieje możliwość konwersji zwykłych modeli TensorFlow do formatu TensorFlow.js. Aby uzyskać więcej informacji na temat konwertowania modeli, zobacz temat Konwersja modeli . Modele TensorFlow można znaleźć na TensorFlow Hub oraz w TensorFlow Model Garden .
Dalsza lektura
- Teraz, gdy już wiesz, gdzie znaleźć modele gotowe do użycia, zobacz samouczek natywny React, aby dowiedzieć się, jak możesz wykorzystać taki model w aplikacji internetowej.