Готовые модели — это модели, которые уже обучены для конкретной цели. Существует множество уже обученных моделей с открытым исходным кодом, которые вы можете сразу использовать с TensorFlow.js для выполнения многих задач машинного обучения. В этом разделе представлены рекомендации о том, как найти и выбрать готовые модели для вашего варианта использования.
Преимущества использования готовых моделей
TensorFlow.js имеет широкий спектр готовых моделей, которые можно использовать в любом проекте «из коробки» и предоставить вам следующие существенные преимущества:
- Экономьте время и ресурсы . Избегайте трудоемких процессов сбора, подготовки и маркировки данных, а затем обучения, оценки и улучшения модели. Уметь быстро прототипировать свои идеи.
- Используйте существующие исследования и документацию . Современные исследования, используемые при разработке готовых моделей, позволяют быстро развертывать их, понимая, как они работают в различных реальных сценариях.
- Включить трансферное обучение . Готовые модели позволяют использовать информацию, полученную моделью, для задачи в другом аналогичном сценарии использования. Этот процесс трансферного обучения позволит вам быстро обучать существующие модели на пользовательских данных.
Найти модель
Поиск существующей модели TensorFlow.js для вашего варианта использования зависит от того, чего вы пытаетесь достичь. Например, ваше приложение должно работать на стороне клиента или на стороне сервера? Насколько важны такие факторы, как конфиденциальность, скорость и точность? и т. д.
Вот несколько рекомендуемых способов поиска моделей для использования с TensorFlow.js:
Например: самый быстрый способ найти и начать использовать модели с TensorFlow.js — просмотреть раздел демонстраций TensorFlow.js и найти демо-версии, которые выполняют задачу, аналогичную вашему варианту использования. В этом каталоге представлены забавные примеры использования со ссылками на код, который поможет вам начать работу.
По типу ввода данных. Помимо рассмотрения примеров, похожих на ваш вариант использования, еще один способ найти модели для собственного использования — это рассмотреть тип данных, которые вы хотите обрабатывать, например аудио, текст или изображения. Модели машинного обучения часто разрабатываются для использования с одним из этих типов данных, поэтому поиск моделей, обрабатывающих тот тип данных, который вы хотите использовать, может помочь вам сузить круг рассматриваемых моделей. Вы можете начать просмотр моделей TensorFlow.js на основе общих сценариев использования в разделе моделей TensorFlow.js или просмотреть более широкий набор моделей на TensorFlow Hub . В TensorFlow Hub вы можете использовать фильтр проблемной области , чтобы просмотреть типы данных модели и сузить список.
В следующем списке приведены ссылки на модели TensorFlow.js в TensorFlow Hub для распространенных случаев использования:
- Модели классификации изображений
- Модели обнаружения объектов
- Текстовые модели
- Аудио модели
Выбирайте между похожими моделями
Если ваше приложение соответствует обычному варианту использования, например классификации изображений или обнаружению объектов, вы можете найти несколько моделей TensorFlow.js, которые соответствуют вашим потребностям. Если у вас есть несколько моделей, применимых к вашему варианту использования, вы хотите определить модель, которая обеспечит лучшее решение. Для этого рассмотрим следующие аспекты каждой модели:
- Скорость вывода
- Размер файла
- Использование оперативной памяти во время выполнения
- Характеристики/возможности модели
При выборе между несколькими моделями вы можете сузить свои варианты, основываясь сначала на наиболее ограничивающих ограничениях, таких как размер модели, размер данных, скорость или точность вывода и т. д.
Если вы не уверены, какое ограничение является для вас наиболее ограничивающим, предположите, что это размер модели, и выберите самую маленькую доступную модель. Выбор небольшой модели дает вам максимальную гибкость с точки зрения того, где вы можете успешно развернуть и запустить модель. Модели меньшего размера также обычно позволяют быстрее делать выводы, а более быстрые прогнозы обычно улучшают качество обслуживания конечных пользователей. Однако модели меньшего размера обычно имеют более низкий уровень точности, поэтому вам может потребоваться выбрать более крупные модели, если точность прогнозирования является вашей главной задачей.
Исходники моделей
Готовые модели в TensorFlow.js обычно доступны в двух формах. Официальные модели поставляются с классами JavaScript, что упрощает их развертывание в вашем приложении. Другие находятся в необработанной форме и могут потребовать дополнительного кода для предварительной/постобработки входных и выходных данных.
Используйте модели TensorFlow.js в качестве первого пункта назначения для поиска и выбора моделей для использования с TensorFlow.js. Это официальные модели, предоставленные командой TensorFlow.js, у которых уже есть оболочки JavaScript, упрощающие интеграцию в ваш код. На сайте TensorFlow Hub представлены дополнительные модели. Обратите внимание, что модели в Hub могут быть в необработанном формате, и для интеграции с вашей стороны потребуется дополнительная работа.
Модели TensorFlow
Обычные модели TensorFlow можно конвертировать в формат TensorFlow.js. Дополнительные сведения о преобразовании моделей см. в разделе Преобразование моделей . Вы можете найти модели TensorFlow на TensorFlow Hub и в TensorFlow Model Garden .
дальнейшее чтение
- Теперь, когда вы знаете, где найти готовые к использованию модели, ознакомьтесь с собственным руководством по React , чтобы узнать, как использовать такую модель в веб-приложении.