¡Reserva! Google I / O regresa del 18 al 20 de mayo Regístrese ahora
Se usó la API de Cloud Translation para traducir esta página.
Switch to English

Creador de modelos TensorFlow Lite

Descripción general

La biblioteca Model Maker de TensorFlow Lite simplifica el proceso de entrenamiento de un modelo de TensorFlow Lite con un conjunto de datos personalizado. Utiliza el aprendizaje por transferencia para reducir la cantidad de datos de entrenamiento necesarios y acortar el tiempo de entrenamiento.

Tareas admitidas

La biblioteca Model Maker actualmente admite las siguientes tareas de AA. Haga clic en los enlaces a continuación para obtener guías sobre cómo entrenar el modelo.

Tareas admitidas Utilidad de tareas
Clasificación de imágenes: guía , api Clasifica imágenes en categorías predefinidas.
Detección de objetos: api Detecta objetos en tiempo real.
Clasificación de texto: guía , api Clasifica el texto en categorías predefinidas.
Respuesta a la pregunta BERT: guía , api Encuentre la respuesta en un contexto determinado para una pregunta determinada con BERT.
Clasificación de audio: demo , api Clasifica el audio en categorías predefinidas.
Recomendación: demo , api Recomendar elementos basados ​​en la información de contexto para el escenario en el dispositivo.

Si sus tareas no son compatibles, primero use TensorFlow para reentrenar un modelo de TensorFlow con aprendizaje de transferencia (siguiendo guías como imágenes , texto , audio ) o entrenarlo desde cero y luego convertirlo al modelo TensorFlow Lite.

Ejemplo de extremo a extremo

Model Maker te permite entrenar un modelo de TensorFlow Lite usando conjuntos de datos personalizados en solo unas pocas líneas de código. Por ejemplo, estos son los pasos para entrenar un modelo de clasificación de imágenes.

from tflite_model_maker import image_classifier
from tflite_model_maker.image_classifier import DataLoader

# Load input data specific to an on-device ML app.
data = DataLoader.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/')

Para obtener más detalles, consulte la guía de clasificación de imágenes .

Instalación

Hay dos formas de instalar Model Maker.

  • Instale un paquete pip prediseñado.
pip install tflite-model-maker

Si desea instalar la versión nocturna, siga el comando:

pip install tflite-model-maker-nightly
  • Clone el código fuente de GitHub e instálelo.
git clone https://github.com/tensorflow/examples
cd examples/tensorflow_examples/lite/model_maker/pip_package
pip install -e .

Referencia de la API de Python

Puede encontrar las API públicas de Model Maker en la referencia de API .