O Dia da Comunidade de ML é dia 9 de novembro! Junte-nos para atualização de TensorFlow, JAX, e mais Saiba mais

TensorFlow Lite Model Maker

Visão geral

A biblioteca do TensorFlow Lite Model Maker simplifica o processo de treinamento de um modelo TensorFlow Lite usando um conjunto de dados personalizado. Ele usa a aprendizagem por transferência para reduzir a quantidade de dados de treinamento necessários e encurtar o tempo de treinamento.

Tarefas Suportadas

A biblioteca do Model Maker suporta atualmente as seguintes tarefas de ML. Clique nos links abaixo para obter guias sobre como treinar o modelo.

Tarefas Suportadas Utilitário de Tarefas
Classificação de imagens: tutorial , api Classifique as imagens em categorias predefinidas.
Detecção de objeto: tutorial , api Detecta objetos em tempo real.
Classificação de texto: tutorial , api Classifique o texto em categorias predefinidas.
Resposta da pergunta de BERT: tutorial , api Encontre a resposta em um determinado contexto para uma determinada pergunta com BERT.
Classificação de áudio: tutorial , api Classifique o áudio em categorias predefinidas.
Recomendação: demo , api Recomende itens com base nas informações de contexto para o cenário no dispositivo.

Se suas tarefas não forem compatíveis, primeiro use o TensorFlow para treinar novamente um modelo TensorFlow com transferência de aprendizado (seguindo guias como imagens , texto , áudio ) ou treine-o do zero e depois converta -o para o modelo TensorFlow Lite.

Exemplo de ponta a ponta

O Model Maker permite que você treine um modelo TensorFlow Lite usando conjuntos de dados personalizados em apenas algumas linhas de código. Por exemplo, aqui estão as etapas para treinar um modelo de classificação de imagem.

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 obter mais detalhes, consulte o guia de classificação de imagens .

Instalação

Existem duas maneiras de instalar o Model Maker.

  • Instale um pacote pip pré-construído.
pip install tflite-model-maker

Se você deseja instalar a versão noturna, siga o comando:

pip install tflite-model-maker-nightly
  • Clone o código-fonte do GitHub e instale.
git clone https://github.com/tensorflow/examples
cd examples/tensorflow_examples/lite/model_maker/pip_package
pip install -e .

O TensorFlow Lite Model Maker depende do pacote TensorFlow pip . Para drivers de GPU, consulte o guia de GPU ou o guia de instalação do TensorFlow.

Referência da API Python

Você pode descobrir as APIs públicas do Model Maker na referência de API .