الرد على دعوة الحضور لحضور حدث TensorFlow Everywhere المحلي اليوم!
ترجمت واجهة Cloud Translation API‏ هذه الصفحة.
Switch to English

دليل TensorFlow Lite

TensorFlow Lite عبارة عن مجموعة من الأدوات لمساعدة المطورين على تشغيل نماذج TensorFlow على الأجهزة المحمولة والمدمجة وأجهزة إنترنت الأشياء. إنه يتيح استنتاج التعلم الآلي على الجهاز بزمن انتقال منخفض وحجم ثنائي صغير.

يتكون TensorFlow Lite من مكونين رئيسيين:

  • مترجم TensorFlow Lite ، الذي يدير نماذج مُحسّنة بشكل خاص على العديد من أنواع الأجهزة المختلفة ، بما في ذلك الهواتف المحمولة وأجهزة Linux المضمنة والميكروكونترولر.
  • محول TensorFlow Lite ، الذي يحول نماذج TensorFlow إلى شكل فعال للاستخدام من قبل المترجم ، ويمكن أن يقدم تحسينات لتحسين الحجم والأداء الثنائي.

تعلم الآلة على الحافة

تم تصميم TensorFlow Lite لتسهيل إجراء التعلم الآلي على الأجهزة "على حافة" الشبكة ، بدلاً من إرسال البيانات ذهابًا وإيابًا من الخادم. بالنسبة للمطورين ، يمكن أن يساعد إجراء التعلم الآلي على الجهاز في تحسين:

  • الكمون: لا توجد رحلة ذهاب وعودة للخادم
  • الخصوصية: لا توجد بيانات بحاجة لمغادرة الجهاز
  • الاتصال: الاتصال بالإنترنت غير مطلوب
  • استهلاك الطاقة: اتصالات الشبكة تستهلك الكثير من الطاقة

يعمل TensorFlow Lite مع مجموعة كبيرة من الأجهزة ، من وحدات التحكم الدقيقة الصغيرة إلى الهواتف المحمولة القوية.

البدء

لبدء العمل مع TensorFlow Lite على الأجهزة المحمولة ، تفضل بزيارة البدء . إذا كنت ترغب في نشر نماذج TensorFlow Lite على وحدات التحكم الدقيقة ، فتفضل بزيارة Microcontrollers .

دلائل الميزات

  • تم ضبط المترجم الفوري من أجل ML على الجهاز ، ودعم مجموعة من المشغلين الأساسيين المحسّنين للتطبيقات على الجهاز ، ومع حجم ثنائي صغير.
  • دعم النظام الأساسي المتنوع ، الذي يغطي أجهزة Android و iOS و Linux المضمنة والميكروكونترولر ، مع الاستفادة من واجهات برمجة تطبيقات النظام الأساسي للاستدلال السريع.
  • واجهات برمجة التطبيقات للغات متعددة بما في ذلك Java و Swift و Objective-C و C ++ و Python.
  • أداء عالٍ ، مع تسريع الأجهزة على الأجهزة المدعومة ، ونواة مُحسَّنة للأجهزة ، وعمليات التنشيط والتحيزات المدمجة مسبقًا .
  • أدوات تحسين النموذج ، بما في ذلك القياس الكمي ، التي يمكنها تقليل الحجم وزيادة أداء النماذج دون التضحية بالدقة.
  • تنسيق نموذج فعال ، باستخدام FlatBuffer الذي تم تحسينه ليناسب الحجم الصغير وقابلية النقل.
  • نماذج مدربة مسبقًا لمهام التعلم الآلي الشائعة التي يمكن تخصيصها لتطبيقك.
  • نماذج وبرامج تعليمية توضح لك كيفية نشر نماذج التعلم الآلي على الأنظمة الأساسية المدعومة.

سير عمل التطوير

يتضمن سير العمل لاستخدام TensorFlow Lite الخطوات التالية:

  1. اختر نموذجًا

    قم بإحضار نموذج TensorFlow الخاص بك ، أو ابحث عن نموذج عبر الإنترنت ، أو اختر نموذجًا من النماذج المدربة مسبقًا لدينا للتسجيل أو إعادة التدريب.

  2. قم بتحويل النموذج

    إذا كنت تستخدم نموذجًا مخصصًا ، فاستخدم محول TensorFlow Lite وبضعة أسطر من Python لتحويله إلى تنسيق TensorFlow Lite.

  3. انشر على جهازك

    قم بتشغيل النموذج الخاص بك على الجهاز باستخدام مترجم TensorFlow Lite ، باستخدام واجهات برمجة التطبيقات بالعديد من اللغات.

  4. تحسين النموذج الخاص بك

    استخدم مجموعة أدوات تحسين النموذج لتقليل حجم النموذج الخاص بك وزيادة كفاءته بأقل تأثير على الدقة.

لمعرفة المزيد حول استخدام TensorFlow Lite في مشروعك ، راجع البدء .

القيود الفنية

تخطط TensorFlow Lite لتوفير استدلال عالي الأداء على الجهاز لأي طراز TensorFlow. ومع ذلك ، يدعم مترجم TensorFlow Lite حاليًا مجموعة فرعية محدودة من مشغلي TensorFlow الذين تم تحسينهم للاستخدام على الجهاز. هذا يعني أن بعض الطرز تتطلب خطوات إضافية للعمل مع TensorFlow Lite.

لمعرفة المشغلين المتاحين ، راجع توافق المشغل .

إذا كان نموذجك يستخدم عوامل تشغيل غير مدعومة بعد من قبل مترجم TensorFlow Lite ، فيمكنك استخدام TensorFlow Select لتضمين عمليات TensorFlow في إصدار TensorFlow Lite. ومع ذلك ، سيؤدي ذلك إلى زيادة الحجم الثنائي.

لا يدعم TensorFlow Lite حاليًا التدريب على الجهاز ، ولكنه موجود في خارطة الطريق ، جنبًا إلى جنب مع التحسينات الأخرى المخطط لها.

الخطوات التالية

هل تريد الاستمرار في التعرف على TensorFlow Lite؟ فيما يلي بعض الخطوات التالية: