โมเดลที่สร้างไว้ล่วงหน้าคือโมเดลที่ได้รับการฝึกอบรมเพื่อวัตถุประสงค์เฉพาะแล้ว มีโมเดลโอเพ่นซอร์สที่ผ่านการฝึกอบรมแล้วมากมายซึ่งคุณสามารถใช้กับ TensorFlow.js ได้ทันทีเพื่อทำงานต่างๆ ของแมชชีนเลิร์นนิงให้สำเร็จ หัวข้อนี้ให้คำแนะนำเกี่ยวกับวิธีการค้นหาและเลือกโมเดลที่สร้างไว้ล่วงหน้าสำหรับกรณีการใช้งานของคุณ
ประโยชน์ของการใช้โมเดลสำเร็จรูป
TensorFlow.js มีโมเดลที่สร้างไว้ล่วงหน้ามากมายซึ่งสามารถใช้ในโปรเจ็กต์ใดก็ได้แบบแกะกล่อง และมอบคุณประโยชน์ที่สำคัญดังต่อไปนี้:
- ประหยัดเวลาและทรัพยากร : หลีกเลี่ยงกระบวนการที่ใช้เวลานานในการรวบรวม จัดเตรียม และติดป้ายกำกับข้อมูล จากนั้นจึงฝึกอบรม ประเมิน และปรับปรุงแบบจำลอง สามารถสร้างต้นแบบไอเดียของคุณได้อย่างรวดเร็ว
- ใช้ประโยชน์จากการวิจัยและเอกสารที่มีอยู่ : การวิจัยล้ำสมัยที่ใช้ในการพัฒนาแบบจำลองที่สร้างไว้ล่วงหน้าช่วยให้คุณสามารถปรับใช้ได้อย่างรวดเร็ว ในขณะเดียวกันก็ทำความเข้าใจวิธีการทำงานในสถานการณ์จริงที่แตกต่างกัน
- เปิดใช้งานการถ่ายโอนการเรียนรู้ : โมเดลที่สร้างไว้ล่วงหน้าช่วยให้คุณใช้ข้อมูลที่เรียนรู้จากโมเดลสำหรับงานในอีกกรณีการใช้งานที่คล้ายกัน กระบวนการเรียนรู้แบบถ่ายโอนนี้จะช่วยให้คุณสามารถฝึกโมเดลที่มีอยู่ได้อย่างรวดเร็วด้วยข้อมูลที่กำหนดเอง
ค้นหารุ่น
การค้นหาโมเดล TensorFlow.js ที่มีอยู่สำหรับกรณีการใช้งานของคุณขึ้นอยู่กับสิ่งที่คุณพยายามทำให้สำเร็จ ตัวอย่างเช่น แอปของคุณจำเป็นต้องทำงานบนฝั่งไคลเอ็นต์หรือฝั่งเซิร์ฟเวอร์หรือไม่ ปัจจัยต่างๆ เช่น ความเป็นส่วนตัว ความเร็ว และความแม่นยำมีความสำคัญเพียงใด ฯลฯ
ต่อไปนี้เป็นวิธีแนะนำบางส่วนในการค้นหาโมเดลสำหรับใช้กับ TensorFlow.js:
ตามตัวอย่าง: วิธีที่เร็วที่สุดในการค้นหาและเริ่มใช้โมเดลที่มี TensorFlow.js คือการเรียกดูส่วน สาธิต TensorFlow.js เพื่อค้นหาการสาธิตที่ทำงานคล้ายกับกรณีการใช้งานของคุณ แค็ตตาล็อกนี้มีตัวอย่างการใช้งานสนุกๆ พร้อมลิงก์ไปยังโค้ดที่จะช่วยให้คุณเริ่มต้นได้
ตามประเภทอินพุตข้อมูล: นอกเหนือจากการดูตัวอย่างที่คล้ายกับกรณีการใช้งานของคุณแล้ว อีกวิธีหนึ่งในการค้นหาโมเดลสำหรับการใช้งานของคุณเองคือการพิจารณาประเภทของข้อมูลที่คุณต้องการประมวลผล เช่น เสียง ข้อความ หรือรูปภาพ โมเดลแมชชีนเลิร์นนิงมักได้รับการออกแบบมาเพื่อใช้กับข้อมูลประเภทใดประเภทหนึ่งเหล่านี้ ดังนั้นการค้นหาโมเดลที่จัดการประเภทข้อมูลที่คุณต้องการใช้สามารถช่วยให้คุณจำกัดโมเดลที่ควรพิจารณาให้แคบลงได้ คุณสามารถเริ่มเรียกดูโมเดล TensorFlow.js ตามกรณีการใช้งานทั่วไปได้ในส่วน โมเดล TensorFlow.js หรือเรียกดูชุดรูปแบบที่ใหญ่ขึ้นบน TensorFlow Hub บน TensorFlow Hub คุณสามารถใช้ตัวกรอง โดเมนปัญหา เพื่อดูประเภทข้อมูลโมเดลและจำกัดรายการของคุณให้แคบลง
รายการต่อไปนี้ลิงก์ไปยังโมเดล TensorFlow.js บน TensorFlow Hub สำหรับกรณีการใช้งานทั่วไป:
- แบบจำลอง การจำแนกประเภทรูปภาพ
- โมเดล การตรวจจับวัตถุ
- โมเดล ข้อความ
- โมเดล เครื่องเสียง
เลือกระหว่างรุ่นที่คล้ายกัน
หากแอปพลิเคชันของคุณเป็นไปตามกรณีการใช้งานทั่วไป เช่น การจัดหมวดหมู่รูปภาพหรือการตรวจจับวัตถุ คุณอาจพบโมเดล TensorFlow.js หลายรุ่นที่ตรงกับความต้องการของคุณ เมื่อคุณมีโมเดลบางรุ่นที่เหมาะกับกรณีการใช้งานของคุณแล้ว คุณต้องระบุโมเดลที่จะให้โซลูชันที่ดีที่สุด เมื่อต้องการทำเช่นนี้ ให้พิจารณาลักษณะต่อไปนี้ของแต่ละรุ่น:
- ความเร็วในการอนุมาน
- ขนาดไฟล์
- การใช้รันไทม์ RAM
- คุณสมบัติ/ความสามารถของโมเดล
เมื่อตัดสินใจเลือกระหว่างโมเดลจำนวนหนึ่ง คุณสามารถจำกัดตัวเลือกของคุณให้แคบลงโดยยึดตามข้อจำกัดที่จำกัดที่สุดของคุณก่อน เช่น ขนาดของโมเดล ขนาดข้อมูล ความเร็วในการอนุมาน หรือความแม่นยำ เป็นต้น
หากคุณไม่แน่ใจว่าขีดจำกัดสูงสุดของคุณคืออะไร ให้สมมติว่าเป็นขนาดของโมเดลและเลือกโมเดลที่เล็กที่สุดที่มีอยู่ การเลือกโมเดลขนาดเล็กช่วยให้คุณมีความยืดหยุ่นมากที่สุดในแง่ของตำแหน่งที่คุณสามารถปรับใช้และรันโมเดลได้สำเร็จ โดยทั่วไปโมเดลขนาดเล็กจะให้การอนุมานที่เร็วกว่า และโดยทั่วไปการคาดการณ์ที่รวดเร็วกว่าจะสร้างประสบการณ์ผู้ใช้ปลายทางที่ดีขึ้น อย่างไรก็ตาม โดยทั่วไปแล้วโมเดลขนาดเล็กจะมีอัตราความแม่นยำต่ำกว่า ดังนั้นคุณอาจต้องเลือกโมเดลที่ใหญ่กว่าหากความแม่นยำในการคาดการณ์คือข้อกังวลหลักของคุณ
แหล่งที่มาสำหรับรุ่น
โดยทั่วไปโมเดลที่สร้างไว้ล่วงหน้าใน TensorFlow.js จะมีอยู่ในสองรูปแบบ โมเดลอย่างเป็นทางการรวมอยู่ในคลาส JavaScript ทำให้ง่ายต่อการปรับใช้ในแอปของคุณ ส่วนอื่นๆ อยู่ในรูปแบบดิบที่อาจต้องใช้โค้ดเพิ่มเติมเพื่อประมวลผลข้อมูลอินพุตและเอาท์พุตล่วงหน้า/โพสต์
ใช้ โมเดล TensorFlow.js เป็นปลายทางแรกในการค้นหาและเลือกโมเดลสำหรับใช้กับ TensorFlow.js โมเดลเหล่านี้เป็นโมเดลอย่างเป็นทางการที่จัดทำโดยทีมงาน TensorFlow.js ซึ่งมี Wrapper JavaScript อยู่แล้ว ซึ่งทำให้ง่ายต่อการรวมเข้ากับโค้ดของคุณ ไซต์ TensorFlow Hub มีโมเดลเพิ่มเติม โปรดทราบว่าโมเดลใน Hub อาจอยู่ในรูปแบบ Raw ที่ต้องดำเนินการเพิ่มเติมในส่วนของคุณเพื่อผสานรวม
โมเดลเทนเซอร์โฟลว์
คุณสามารถ แปลง โมเดล TensorFlow ปกติเป็นรูปแบบ TensorFlow.js ได้ สำหรับข้อมูลเพิ่มเติมเกี่ยวกับการแปลงโมเดล โปรดดูหัวข้อ การแปลงโมเดล คุณสามารถค้นหาโมเดล TensorFlow ได้ใน TensorFlow Hub และใน TensorFlow Model Garden
อ่านเพิ่มเติม
- ตอนนี้คุณรู้แล้วว่าจะหาโมเดลที่พร้อมใช้งานได้ที่ไหน โปรดดูบทช่วยสอน React Native เพื่อเรียนรู้วิธีใช้โมเดลดังกล่าวในเว็บแอป