La journée communautaire ML est le 9 novembre ! Rejoignez - nous pour les mises à jour de tensorflow, JAX et plus En savoir plus

Créateur de modèles TensorFlow Lite

Aperçu

La bibliothèque TensorFlow Lite Model Maker simplifie le processus d'entraînement d'un modèle TensorFlow Lite à l'aide d'un jeu de données personnalisé. Il utilise l'apprentissage par transfert pour réduire la quantité de données d'entraînement requises et raccourcir le temps de formation.

Tâches prises en charge

La bibliothèque Model Maker prend actuellement en charge les tâches ML suivantes. Cliquez sur les liens ci-dessous pour obtenir des guides sur la façon d'entraîner le modèle.

Tâches prises en charge Utilitaire de tâches
Classification des images: tutoriel , api Classez les images dans des catégories prédéfinies.
Détection d'objets: tutoriel , api Détectez les objets en temps réel.
Classification du texte: tutoriel , api Classez le texte dans des catégories prédéfinies.
BERT Question Réponse: tutoriel , api Trouvez la réponse dans un certain contexte pour une question donnée avec BERT.
Classification audio: tutoriel , api Classez l'audio dans des catégories prédéfinies.
Recommandation: démo , api Recommandez des éléments en fonction des informations de contexte pour le scénario sur l'appareil.

Si vos tâches ne sont pas prises en charge, veuillez d'abord utiliser TensorFlow pour recycler un modèle TensorFlow avec apprentissage par transfert (en suivant des guides comme des images , du texte , de l' audio ) ou le former à partir de zéro, puis le convertir en modèle TensorFlow Lite.

Exemple de bout en bout

Model Maker vous permet d'entraîner un modèle TensorFlow Lite à l'aide de jeux de données personnalisés en seulement quelques lignes de code. Par exemple, voici les étapes pour entraîner un modèle de classification d'images.

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/')

Pour plus de détails, consultez le guide de classification des images .

Installation

Il existe deux façons d'installer Model Maker.

  • Installez un package pip prédéfini.
pip install tflite-model-maker

Si vous souhaitez installer la version nocturne, veuillez suivre la commande:

pip install tflite-model-maker-nightly
  • Clonez le code source de GitHub et installez-le.
git clone https://github.com/tensorflow/examples
cd examples/tensorflow_examples/lite/model_maker/pip_package
pip install -e .

TensorFlow Lite Model Maker dépend du package TensorFlow pip . Pour les pilotes GPU, veuillez consulter le guide GPU ou le guide d'installation de TensorFlow.

Référence de l'API Python

Vous pouvez trouver les API publiques de Model Maker dans la référence API .