Odpowiedz już dziś na lokalne wydarzenie TensorFlow Everywhere!
Ta strona została przetłumaczona przez Cloud Translation API.
Switch to English

TensorFlow Lite Model Maker

Przegląd

Biblioteka TensorFlow Lite Model Maker upraszcza proces uczenia modelu TensorFlow Lite przy użyciu niestandardowego zestawu danych. Wykorzystuje uczenie transferowe, aby zmniejszyć ilość wymaganych danych szkoleniowych i skrócić czas szkolenia.

Obsługiwane zadania

Biblioteka Model Maker obsługuje obecnie następujące zadania ML. Kliknij poniższe linki, aby uzyskać instrukcje dotyczące trenowania modelu.

Obsługiwane zadania Narzędzie zadań
Przewodnik po klasyfikacji obrazów Klasyfikuj obrazy według predefiniowanych kategorii.
Przewodnik po klasyfikacji tekstu Klasyfikuj tekst do predefiniowanych kategorii.
Przewodnik po odpowiedziach na pytania BERT Znajdź odpowiedź w określonym kontekście na dane pytanie z BERT.

Przykład od końca do końca

Model Maker umożliwia trenowanie modelu TensorFlow Lite przy użyciu niestandardowych zestawów danych w zaledwie kilku wierszach kodu. Na przykład, oto kroki, aby wytrenować model klasyfikacji obrazu.

# 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/')

Więcej informacji można znaleźć w przewodniku po klasyfikacji obrazów .

Instalacja

Istnieją dwa sposoby instalacji programu Model Maker.

  • Zainstaluj wstępnie skompilowany pakiet pip.
pip install tflite-model-maker

Jeśli chcesz zainstalować wersję nightly, wykonaj polecenie:

pip install tflite-model-maker-nightly
  • Sklonuj kod źródłowy z GitHub i zainstaluj.
git clone https://github.com/tensorflow/examples
cd examples/tensorflow_examples/lite/model_maker/pip_package
pip install -e .