Bu sayfa, Cloud Translation API ile çevrilmiştir.
Switch to English

TensorFlow Lite kılavuzu

TensorFlow Lite, geliştiricilerin TensorFlow modellerini mobil, gömülü ve IoT cihazlarında çalıştırmalarına yardımcı olan bir araç setidir. Düşük gecikme süresi ve küçük bir ikili boyut ile cihaz üzerinde makine öğrenimi çıkarımına olanak tanır.

TensorFlow Lite iki ana bileşenden oluşur:

  • Cep telefonları, gömülü Linux aygıtları ve mikrodenetleyiciler dahil olmak üzere birçok farklı donanım türünde özel olarak optimize edilmiş modeller çalıştıran TensorFlow Lite yorumlayıcısı .
  • TensorFlow modellerini yorumlayıcı tarafından kullanılmak üzere verimli bir forma dönüştüren TensorFlow Lite dönüştürücü , ikili boyutu ve performansı iyileştirmek için optimizasyonlar sunabilir.

Uçta makine öğrenimi

TensorFlow Lite, verileri bir sunucudan ileri geri göndermek yerine, ağın "ucunda" cihazlarda makine öğrenimi gerçekleştirmeyi kolaylaştırmak için tasarlanmıştır. Geliştiriciler için, cihazda makine öğrenimi gerçekleştirmek aşağıdakileri iyileştirmeye yardımcı olabilir:

  • Gecikme: bir sunucuya gidiş dönüş yoktur
  • Gizlilik: cihazdan veri ayrılmasına gerek yok
  • Bağlantı: İnternet bağlantısı gerekli değildir
  • Güç tüketimi: ağ bağlantıları güç tüketir

TensorFlow Lite, küçük mikro denetleyicilerden güçlü cep telefonlarına kadar çok çeşitli cihazlarla çalışır.

Başlamak

Mobil cihazlarda TensorFlow Lite ile çalışmaya başlamak için, ziyaret başlayın . TensorFlow Lite modellerini mikrodenetleyicilere dağıtmak istiyorsanız, Mikroişlemcileri ziyaret edin.

Ana Özellikler

  • Cihaz üzerinde makine öğrenimi için ayarlanmış tercüman , cihaz üzerindeki uygulamalar için optimize edilmiş bir dizi temel operatörü destekler ve küçük bir ikili boyutla.
  • Hızlandırılmış çıkarım için platform API'lerinden yararlanan Android ve iOS cihazları, gömülü Linux ve mikro denetleyicileri kapsayan çeşitli platform desteği .
  • Java, Swift, Objective-C, C ++ ve Python dahil olmak üzere birden çok dil için API'ler .
  • Desteklenen cihazlarda donanım hızlandırma , cihaz için optimize edilmiş çekirdekler ve önceden birleştirilmiş etkinleştirmeler ve önyargılar ile yüksek performans .
  • Doğruluktan ödün vermeden modellerin boyutunu küçültebilen ve performansını artırabilen niceleme dahil model optimizasyon araçları .
  • Küçük boyut ve taşınabilirlik için optimize edilmiş bir FlatBuffer kullanan verimli model formatı .
  • Uygulamanıza göre özelleştirilebilen yaygın makine öğrenimi görevleri için önceden eğitilmiş modeller .
  • Desteklenen platformlarda makine öğrenimi modellerini nasıl dağıtacağınızı gösteren örnekler ve eğitimler .

Geliştirme iş akışı

TensorFlow Lite'ı kullanmak için iş akışı aşağıdaki adımları içerir:

  1. Bir model seçin

    Kendi TensorFlow modelinizi getirin, çevrimiçi bir model bulun veya önceden eğitilmiş modellerimizden bir model seçin veya yeniden eğitin.

  2. Modeli dönüştürün

    Özel bir model kullanıyorsanız, TensorFlow Lite dönüştürücüsünü ve birkaç Python satırını TensorFlow Lite formatına dönüştürmek için kullanın.

  3. Cihazınıza dağıtın

    Modelinizi cihaz üzerinde TensorFlow Lite yorumlayıcısıyla , birçok dilde API'lerle çalıştırın.

  4. Modelinizi optimize edin

    Modelinizin boyutunu küçültmek ve doğruluk üzerinde minimum etkiyle verimliliğini artırmak için Model Optimizasyon Araç Setimizi kullanın.

Projenizde TensorFlow Lite'ı kullanma hakkında daha fazla bilgi edinmek için Başlarken bölümüne bakın.

Teknik kısıtlamalar

TensorFlow Lite, herhangi bir TensorFlow modeli için yüksek performanslı cihaz üzerinde çıkarım sağlamayı planlamaktadır. Ancak, TensorFlow Lite yorumlayıcısı şu anda cihaz üzerinde kullanım için optimize edilmiş sınırlı bir TensorFlow operatörleri alt kümesini desteklemektedir. Bu, bazı modellerin TensorFlow Lite ile çalışmak için ek adımlar gerektirdiği anlamına gelir.

Hangi operatörlerin mevcut olduğunu öğrenmek için bkz. Operatör uyumluluğu .

Modeliniz henüz TensorFlow Lite yorumlayıcı tarafından desteklenmeyen operatörler kullanıyorsa, TensorFlow Lite yapınıza TensorFlow işlemlerini dahil etmek için TensorFlow Select'i kullanabilirsiniz. Ancak bu, ikili boyutun artmasına neden olacaktır.

TensorFlow Lite şu anda cihaz üzerinde eğitimi desteklemiyor, ancak planlanan diğer iyileştirmelerle birlikte Yol Haritamızda yer alıyor.

Sonraki adımlar

TensorFlow Lite hakkında öğrenmeye devam etmek ister misiniz? İşte sonraki adımlardan bazıları: