ML Community Day คือวันที่ 9 พฤศจิกายน! ร่วมกับเราสำหรับการปรับปรุงจาก TensorFlow, JAX และอื่น ๆ เรียนรู้เพิ่มเติม

การอนุมาน TensorFlow Lite ด้วยข้อมูลเมตา

รูปแบบการอ้างอิงที่มีข้อมูลเมตา สามารถทำได้ง่ายเพียงไม่กี่บรรทัดของโค้ด ข้อมูลเมตาของ TensorFlow Lite มีคำอธิบายอย่างละเอียดเกี่ยวกับสิ่งที่โมเดลทำและวิธีใช้โมเดล สามารถช่วยให้เครื่องกำเนิดโค้ดสร้างรหัสการอนุมานให้คุณโดยอัตโนมัติเช่นการใช้ คุณลักษณะการผูก ML ของ Android Studio หรือ โปรแกรมสร้างโค้ด Android ของ TensorFlow Lite นอกจากนี้ยังสามารถใช้เพื่อกำหนดค่าไปป์ไลน์การอนุมานแบบกำหนดเองของคุณ

เครื่องมือและไลบรารี

TensorFlow Lite มีเครื่องมือและไลบรารีที่หลากหลายเพื่อตอบสนองความต้องการในการปรับใช้ระดับต่างๆดังนี้:

สร้างอินเทอร์เฟซโมเดลด้วยตัวสร้างโค้ด Android

มีสองวิธีในการสร้างโค้ด Wrapper Android ที่จำเป็นสำหรับโมเดล TensorFlow Lite โดยอัตโนมัติด้วยข้อมูลเมตา:

  1. Android Studio ML Model Binding เป็นเครื่องมือที่มีอยู่ใน Android Studio เพื่อนำเข้าโมเดล TensorFlow Lite ผ่านอินเทอร์เฟซแบบกราฟิก Android Studio จะกำหนดการตั้งค่าสำหรับโปรเจ็กต์โดยอัตโนมัติและสร้างคลาส Wrapper ตามข้อมูลเมตาของโมเดล

  2. TensorFlow Lite Code Generator เป็นไฟล์ปฏิบัติการที่สร้างอินเทอร์เฟซของโมเดลโดยอัตโนมัติตามข้อมูลเมตา ปัจจุบันรองรับ Android กับ Java รหัส Wrapper ขจัดความจำเป็นในการโต้ตอบโดยตรงกับ ByteBuffer แต่นักพัฒนาสามารถโต้ตอบกับโมเดล TensorFlow Lite กับวัตถุที่พิมพ์เช่น Bitmap และ Rect ผู้ใช้ Android Studio ยังสามารถเข้าถึงคุณลักษณะ codegen ผ่าน Android Studio ML Binding

ใช้ประโยชน์จาก API แบบสำเร็จรูปด้วยไลบรารีงาน TensorFlow Lite

ไลบรารีงาน TensorFlow Lite มีอินเทอร์เฟซโมเดลที่พร้อมใช้งานสำหรับงานแมชชีนเลิร์นนิงยอดนิยมเช่นการจัดประเภทรูปภาพคำถามและคำตอบเป็นต้นอินเทอร์เฟซของโมเดลได้รับการออกแบบมาโดยเฉพาะสำหรับแต่ละงานเพื่อให้ได้ประสิทธิภาพและการใช้งานที่ดีที่สุด ไลบรารีงานทำงานข้ามแพลตฟอร์มและรองรับบน Java, C ++ และ Swift

สร้างไปป์ไลน์การอนุมานแบบกำหนดเองด้วย TensorFlow Lite Support Library

TensorFlow Lite Support Library เป็น ไลบรารี ข้ามแพลตฟอร์มที่ช่วยในการปรับแต่งอินเทอร์เฟซของโมเดลและสร้างไปป์ไลน์การอนุมาน ประกอบด้วยวิธีการใช้ประโยชน์และโครงสร้างข้อมูลที่หลากหลายเพื่อดำเนินการประมวลผลก่อน / หลังและการแปลงข้อมูล นอกจากนี้ยังออกแบบมาเพื่อให้เข้ากับลักษณะการทำงานของโมดูล TensorFlow เช่น TF.Image และ TF.Text เพื่อให้มั่นใจว่ามีความสอดคล้องกันตั้งแต่การฝึกอบรมไปจนถึงการอ้างอิง

สำรวจโมเดลที่กำหนดไว้ล่วงหน้าด้วยข้อมูลเมตา

เรียกดู โมเดลที่โฮสต์ TensorFlow Lite และ TensorFlow Hub เพื่อดาวน์โหลด โมเดลที่ กำหนดไว้ล่วงหน้า พร้อมข้อมูลเมตาสำหรับทั้งงานด้านการมองเห็นและข้อความ ดูตัวเลือกต่างๆในการ แสดงข้อมูลเมตา ด้วย

TensorFlow Lite รองรับ GitHub repo

ไปที่ TensorFlow Lite Support GitHub repo สำหรับตัวอย่างเพิ่มเติมและซอร์สโค้ด แจ้งให้เราทราบความคิดเห็นของคุณโดยสร้าง ปัญหา GitHub ใหม่