TensorFlow Lite Model Maker

概览

借助 TensorFlow Lite Model Maker 库,可以简化使用自定义数据集训练 TensorFlow Lite 模型的过程。该库使用迁移学习来减少所需的训练数据量并缩短训练时间。

支持的任务

目前,Model Maker 库支持以下 ML 任务。点击以下链接可获取有关如何训练模型的指南。

支持的任务 任务效用
图像分类指南 将图像分成预定义类别。
文字分类指南 将文字分成预定义类别。
BERT 问答指南 使用 BERT 在特定上下文中查找给定问题的答案。

端到端示例

借助 Model Maker,仅仅通过几行代码即可使用自定义数据集训练 TensorFlow Lite 模型。例如,以下就是训练图像分类模型的步骤。

# Load input data specific to an on-device ML app.
data = ImageClassifierDataLoader.from_folder('flower_photos/')
train_data, test_data = data.split(0.9)

# Customize the TensorFlow model.
model = image_classifier.create(train_data)

# Evaluate the model.
loss, accuracy = model.evaluate(test_data)

# Export to Tensorflow Lite model and label file in `export_dir`.
model.export(export_dir='/tmp/')

有关详情,请参阅图像分类指南

安装

可以通过两种方式安装 Model Maker。

  • 安装预构建的 pip 软件包。
pip install tflite-model-maker

如果想安装 Nightly 版本,请使用以下命令:

pip install tflite-model-maker-nightly
  • 从 GitHub 克隆源代码并安装。
git clone https://github.com/tensorflow/examples
cd examples/tensorflow_examples/lite/model_maker/pip_package
pip install -e .