TensorFlow Lite مدل ساز

بررسی اجمالی

کتابخانه TensorFlow Lite Model Maker روند آموزش مدل TensorFlow Lite را با استفاده از مجموعه داده های سفارشی ساده می کند. این از یادگیری انتقالی استفاده می کند تا مقدار داده های آموزشی مورد نیاز را کاهش دهد و زمان آموزش را کوتاه کند.

وظایف پشتیبانی شده

کتابخانه Model Maker در حال حاضر از وظایف ML زیر پشتیبانی می کند. برای راهنمایی در مورد نحوه آموزش مدل ، روی پیوندهای زیر کلیک کنید.

وظایف پشتیبانی شده ابزار وظیفه
طبقه بندی تصویر: آموزش ، API تصاویر را در دسته های از پیش تعریف شده طبقه بندی کنید.
Object Detection: tutorial ، api شناسایی اشیا در زمان واقعی.
طبقه بندی متن: آموزش ، API متن را در دسته های از پیش تعریف شده طبقه بندی کنید.
پاسخ سوال BERT: آموزش ، API پاسخ را در یک زمینه خاص برای یک سوال مشخص با BERT پیدا کنید.
طبقه بندی صوتی: آموزش ، API صدا را در دسته های از پیش تعریف شده طبقه بندی کنید.
پیشنهاد: نسخه ی نمایشی ، API موارد را بر اساس اطلاعات زمینه برای سناریوی روی دستگاه پیشنهاد دهید.

اگر وظایف شما پشتیبانی نمی شوند ، لطفاً ابتدا از TensorFlow برای آموزش مجدد یک مدل TensorFlow با آموزش انتقال (راهنماهای زیر مانند تصاویر ، متن ، صدا ) استفاده کنید یا آن را از ابتدا آموزش دهید و سپس آن را به مدل TensorFlow Lite تبدیل کنید.

مثال انتها به انتها

Model Maker به شما امکان می دهد با استفاده از مجموعه داده های سفارشی فقط در چند خط کد ، یک مدل TensorFlow Lite را آموزش دهید. به عنوان مثال ، در اینجا مراحل آموزش مدل طبقه بندی تصویر آورده شده است.

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/')

برای جزئیات بیشتر ، به راهنمای طبقه بندی تصویر مراجعه کنید .

نصب و راه اندازی

برای نصب Model Maker دو روش وجود دارد.

  • یک بسته پیپ از پیش ساخته شده را نصب کنید.
pip install tflite-model-maker

اگر می خواهید نسخه شبانه خود را نصب کنید ، لطفاً دستور زیر را دنبال کنید:

pip install tflite-model-maker-nightly
  • کد منبع را از GitHub کلون کرده و نصب کنید.
git clone https://github.com/tensorflow/examples
cd examples/tensorflow_examples/lite/model_maker/pip_package
pip install -e .

مدل ساز TensorFlow Lite به بسته pip TensorFlow بستگی دارد. برای درایورهای GPU ، لطفاً به راهنمای GPU یا راهنمای نصب TensorFlow مراجعه کنید.

مرجع API Python

می توانید API های عمومی Model Maker را در مرجع API دریابید.