דף זה תורגם על ידי Cloud Translation API.
Switch to English

מדריך TensorFlow Lite

TensorFlow Lite הוא סט כלים שיעזרו למפתחים להריץ דגמי TensorFlow במכשירים ניידים, מוטבעים ו- IoT. זה מאפשר הסקת למידת מכונה במכשיר עם חביון נמוך ובגודל בינארי קטן.

TensorFlow Lite מורכב משני מרכיבים עיקריים:

  • המתורגמן TensorFlow Lite , המריץ דגמים מותאמים במיוחד על סוגי חומרה רבים ושונים, כולל טלפונים ניידים, התקני לינוקס מוטבעים ומיקרו-בקרים.
  • הממיר TensorFlow Lite , הממיר את דגמי TensorFlow לצורה יעילה לשימוש המתורגמן, ויכול להכניס אופטימיזציות לשיפור הגודל והביצועים הבינאריים.

לימוד מכונה בקצה

TensorFlow Lite נועד להקל על ביצוע למידת מכונה במכשירים, "בקצה" הרשת, במקום לשלוח נתונים הלוך ושוב משרת. עבור מפתחים, ביצוע למידה ממוחשבת במכשיר יכול לעזור בשיפור:

  • חביון: אין הלוך ושוב לשרת
  • פרטיות: אין צורך לעזוב נתונים מהמכשיר
  • קישוריות: אין חיבור לאינטרנט
  • צריכת חשמל: חיבורי רשת רעבים לחשמל

TensorFlow Lite עובד עם מגוון עצום של מכשירים, ממיקרו-בקרים זעירים וכלה בטלפונים ניידים חזקים.

להתחיל

כדי להתחיל לעבוד עם TensorFlow לייט בהתקנים ניידים, ביקור צעדים ראשונים . אם ברצונך לפרוס דגמי TensorFlow Lite למיקרו-בקרים, בקר במיקרו- בקרים .

תכונות עיקריות

  • מתורגמן מכוון ל- ML במכשיר , התומך במערך מפעילי ליבה המותאמים ליישומים במכשיר, ובגודל בינארי קטן.
  • תמיכה מגוונת בפלטפורמה , המכסה מכשירי אנדרואיד ו- iOS , לינוקס מוטבע ומיקרו-בקרים, תוך שימוש בממשקי API של פלטפורמה להסקת מואץ.
  • ממשקי API למספר שפות כולל Java, Swift, Objective-C, C ++ ו- Python.
  • ביצועים גבוהים , עם האצת חומרה במכשירים נתמכים, גרעינים המותאמים למכשירים והפעלות והטיות משולבות מראש .
  • כלי אופטימיזציה למודל , כולל כימות , שיכולים להפחית את הגודל ולהגדיל את ביצועי המודלים מבלי לוותר על הדיוק.
  • פורמט מודל יעיל , באמצעות FlatBuffer המותאם לגודל קטן וניידות.
  • מודלים שהוכשרו מראש למשימות נפוצות של למידת מכונה הניתנים להתאמה אישית ליישום שלך.
  • דוגמאות והדרכות המראות כיצד לפרוס מודלים של למידת מכונה בפלטפורמות נתמכות.

זרימת עבודה בפיתוח

זרימת העבודה לשימוש ב- TensorFlow Lite כוללת את השלבים הבאים:

  1. בחר מודל

    הביאו דגם TensorFlow משלכם, מצאו דגם באינטרנט, או בחרו מודל מהדגמים שהוכשרו מראש כדי להיכנס או להכשיר מחדש.

  2. להמיר את הדגם

    אם אתה משתמש במודל מותאם אישית, השתמש בממיר TensorFlow Lite ובכמה שורות של Python כדי להמיר אותו לפורמט TensorFlow Lite.

  3. פרוס למכשיר שלך

    הפעל את המודל שלך במכשיר באמצעות המתורגמן TensorFlow Lite , עם ממשקי API בשפות רבות.

  4. בצע אופטימיזציה של המודל שלך

    השתמש בערכת הכלים למיטוב המודל שלנו כדי להקטין את גודל המודל שלך ולהגדיל את יעילותו תוך השפעה מינימלית על הדיוק.

למידע נוסף על השימוש ב- TensorFlow Lite בפרויקט שלך, ראה התחל בעבודה .

אילוצים טכניים

TensorFlow Lite מתכנן לספק ביצועים גבוהים במכשיר לכל דגם TensorFlow. עם זאת, המתורגמן TensorFlow Lite תומך כיום בתת קבוצה מוגבלת של מפעילי TensorFlow שעברו אופטימיזציה לשימוש במכשיר. משמעות הדבר היא כי דגמים מסוימים דורשים צעדים נוספים לעבודה עם TensorFlow Lite.

כדי ללמוד אילו מפעילים זמינים, ראה תאימות למפעיל .

אם המודל שלך משתמש במפעילים שעדיין אינם נתמכים על ידי מתורגמן TensorFlow Lite, אתה יכול להשתמש ב- TensorFlow Select כדי לכלול פעולות TensorFlow בבניית TensorFlow Lite שלך. עם זאת, זה יוביל לגודל בינארי מוגדל.

TensorFlow Lite אינו תומך כרגע באימונים במכשירים, אך הוא נמצא במפת הדרכים שלנו, יחד עם שיפורים מתוכננים אחרים.

הצעדים הבאים

רוצה להמשיך ללמוד על TensorFlow Lite? להלן מספר השלבים הבאים: