Hari Komunitas ML adalah 9 November! Bergabung dengan kami untuk update dari TensorFlow, JAX, dan lebih Pelajari lebih lanjut

TensorFlow Lite Model Maker

Gambaran

Library TensorFlow Lite Model Maker menyederhanakan proses pelatihan model TensorFlow Lite menggunakan set data kustom. Ini menggunakan pembelajaran transfer untuk mengurangi jumlah data pelatihan yang diperlukan dan mempersingkat waktu pelatihan.

Tugas yang Didukung

Library Model Maker saat ini mendukung tugas ML berikut. Klik tautan di bawah untuk panduan tentang cara melatih model.

Tugas yang Didukung Utilitas Tugas
Klasifikasi Gambar: tutorial , api Klasifikasikan gambar ke dalam kategori yang telah ditentukan sebelumnya.
Deteksi Objek: tutorial , api Mendeteksi objek secara real time.
Klasifikasi Teks: tutorial , api Klasifikasikan teks ke dalam kategori yang telah ditentukan sebelumnya.
Jawaban Pertanyaan BERT: tutorial , api Temukan jawaban dalam konteks tertentu untuk pertanyaan yang diberikan dengan BERT.
Klasifikasi Audio: tutorial , api Klasifikasikan audio ke dalam kategori yang telah ditentukan sebelumnya.
Rekomendasi: demo , api Merekomendasikan item berdasarkan informasi konteks untuk skenario di perangkat.

Jika tugas Anda tidak didukung, pertama-tama gunakan TensorFlow untuk melatih kembali model TensorFlow dengan pembelajaran transfer (mengikuti panduan seperti gambar , teks , audio ) atau melatihnya dari awal, lalu mengubahnya menjadi model TensorFlow Lite.

Contoh End-to-End

Model Maker memungkinkan Anda melatih model TensorFlow Lite menggunakan set data kustom hanya dalam beberapa baris kode. Misalnya, berikut langkah-langkah untuk melatih model klasifikasi gambar.

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/')

Untuk lebih jelasnya, lihat panduan klasifikasi gambar .

Instalasi

Ada dua cara untuk menginstal Model Maker.

  • Instal paket pip prebuilt.
pip install tflite-model-maker

Jika Anda ingin menginstal versi nightly, ikuti perintah:

pip install tflite-model-maker-nightly
  • Gandakan kode sumber dari GitHub dan instal.
git clone https://github.com/tensorflow/examples
cd examples/tensorflow_examples/lite/model_maker/pip_package
pip install -e .

TensorFlow Lite Model Maker bergantung pada paket pip TensorFlow. Untuk driver GPU, lihat panduan GPU atau panduan instalasi TensorFlow.

Referensi Python API

Anda dapat menemukan API publik Pembuat Model di referensi API .