メタデータを使用したTensorFlowLite推論

メタデータを使用してモデルを推測するのは、ほんの数行のコードと同じくらい簡単です。 TensorFlow Liteメタデータには、モデルの機能とモデルの使用方法に関する豊富な説明が含まれています。 Android StudioMLバインディング機能TensorFlowLite Androidコードジェネレーターを使用するなど、コードジェネレーターが推論コードを自動的に生成できるようにします。また、カスタム推論パイプラインを構成するために使用することもできます。

ツールとライブラリ

TensorFlow Liteは、さまざまなツールとライブラリを提供して、展開要件のさまざまな層に次のように対応します。

Androidコードジェネレーターでモデルインターフェースを生成する

メタデータを使用してTensorFlowLiteモデルに必要なAndroidラッパーコードを自動的に生成する方法は2つあります。

  1. Android Studio ML Model Bindingは、グラフィカルインターフェイスを介してTensorFlowLiteモデルをインポートするためにAndroidStudio内で利用可能なツールです。 Android Studioは、プロジェクトの設定を自動的に構成し、モデルのメタデータに基づいてラッパークラスを生成します。

  2. TensorFlow Liteコードジェネレーターは、メタデータに基づいてモデルインターフェイスを自動的に生成する実行可能ファイルです。現在、AndroidとJavaをサポートしています。ラッパーコードにより、 ByteBufferと直接対話する必要がなくなります。代わりに、開発者はBitmapRectなどの型付きオブジェクトを使用してTensorFlowLiteモデルと対話できます。 Android Studioユーザーは、 Android Studio MLBindingを介してcodegen機能にアクセスすることもできます。

TensorFlowLiteタスクライブラリですぐに使用できるAPIを活用する

TensorFlow Liteタスクライブラリは、画像分類、質問と回答など、一般的な機械学習タスク用に最適化されたすぐに使用できるモデルインターフェイスを提供します。モデルインターフェイスは、最高のパフォーマンスと使いやすさを実現するために、タスクごとに特別に設計されています。タスクライブラリはクロスプラットフォームで動作し、Java、C ++、およびSwiftでサポートされています。

TensorFlowLiteサポートライブラリを使用してカスタム推論パイプラインを構築する

TensorFlow Liteサポートライブラリは、モデルインターフェイスのカスタマイズと推論パイプラインの構築に役立つクロスプラットフォームライブラリです。これには、前/後処理とデータ変換を実行するためのさまざまなutilメソッドとデータ構造が含まれています。また、TF.ImageやTF.TextなどのTensorFlowモジュールの動作に一致するように設計されており、トレーニングから推論までの一貫性を保証します。

メタデータを使用して事前トレーニング済みモデルを探索する

TensorFlowLiteでホストされているモデルTensorFlowHubを参照して、ビジョンタスクとテキストタスクの両方のメタデータを含む事前トレーニング済みモデルをダウンロードします。メタデータ視覚化するさまざまなオプションも参照してください。

TensorFlowLiteサポートGitHubリポジトリ

その他の例とソースコードについては、 TensorFlowLiteサポートGitHubリポジトリにアクセスしてください。新しいGitHubの問題を作成して、フィードバックをお知らせください。