TensorFlow Lite एक छोटे, अधिक कुशल मशीन लर्निंग (ML) मॉडल प्रारूप में परिवर्तित TensorFlow मॉडल का उपयोग करता है। आप TensorFlow Lite के साथ पूर्व-प्रशिक्षित मॉडल का उपयोग कर सकते हैं, मौजूदा मॉडल को संशोधित कर सकते हैं, या अपने स्वयं के TensorFlow मॉडल बना सकते हैं और फिर उन्हें TensorFlow Lite प्रारूप में बदल सकते हैं। TensorFlow Lite मॉडल लगभग कोई भी कार्य कर सकते हैं जो एक नियमित TensorFlow मॉडल कर सकता है: छवियों, वीडियो, ऑडियो और टेक्स्ट सहित इनपुट डेटा की एक विस्तृत श्रृंखला का उपयोग करके ऑब्जेक्ट डिटेक्शन, प्राकृतिक भाषा प्रसंस्करण, पैटर्न पहचान, और बहुत कुछ।

अपने मॉडल को TensorFlow Lite के साथ चलाने के बारे में जानकारी के लिए कनवर्ट करें अनुभाग पर जाएं।
अपने उपयोग के मामले के लिए मॉडल प्राप्त करने पर मार्गदर्शन के लिए, पढ़ते रहें

मोबाइल या एज डिवाइस पर मशीन लर्निंग का उपयोग शुरू करने के लिए आपको TensorFlow Lite मॉडल बनाने की आवश्यकता नहीं है। आपके आवेदन में तुरंत उपयोग करने के लिए कई पहले से निर्मित और अनुकूलित मॉडल उपलब्ध हैं। आप TensorFlow Lite में पूर्व-प्रशिक्षित मॉडल का उपयोग करके शुरू कर सकते हैं और समय के साथ कस्टम मॉडल बनाने के लिए आगे बढ़ सकते हैं, जैसा कि निम्नानुसार है:

  1. पहले से प्रशिक्षित मॉडल के साथ मशीन लर्निंग फीचर विकसित करना शुरू करें।
  2. मॉडल मेकर जैसे टूल का उपयोग करके मौजूदा TensorFlow लाइट मॉडल को संशोधित करें।
  3. TensorFlow टूल के साथ एक कस्टम मॉडल बनाएं और फिर इसे TensorFlow Lite में बदलें।

यदि आप मशीन लर्निंग के साथ सुविधाओं या उपयोगिता कार्यों को जल्दी से लागू करने का प्रयास कर रहे हैं, तो आपको TensorFlow Lite के साथ विकास शुरू करने से पहले एमएल किट द्वारा समर्थित उपयोग के मामलों की समीक्षा करनी चाहिए। यह विकास उपकरण एपीआई प्रदान करता है जिसे आप बारकोड स्कैनिंग और ऑन-डिवाइस अनुवाद जैसे सामान्य एमएल कार्यों को पूरा करने के लिए सीधे मोबाइल ऐप से कॉल कर सकते हैं। इस विधि का उपयोग करने से आपको तेजी से परिणाम प्राप्त करने में मदद मिल सकती है। हालांकि, एमएल किट के पास अपनी क्षमताओं को बढ़ाने के लिए सीमित विकल्प हैं। अधिक जानकारी के लिए, एमएल किट डेवलपर दस्तावेज़ देखें।


यदि आपके विशिष्ट उपयोग के मामले के लिए एक कस्टम मॉडल बनाना आपका अंतिम लक्ष्य है, तो आपको एक TensorFlow मॉडल के विकास और प्रशिक्षण के साथ शुरू करना चाहिए या किसी मौजूदा मॉडल का विस्तार करना चाहिए। अपनी मॉडल विकास प्रक्रिया शुरू करने से पहले, आपको TensorFlow Lite मॉडल की बाधाओं के बारे में पता होना चाहिए और इन बाधाओं को ध्यान में रखते हुए अपने मॉडल का निर्माण करना चाहिए:

  • सीमित गणना क्षमता
  • मॉडल का आकार
  • डेटा का आकार
  • समर्थित TensorFlow संचालन

इनमें से प्रत्येक बाधा के बारे में अधिक विवरण के लिए, मॉडल बिल्ड ओवरव्यू में मॉडल डिज़ाइन बाधाएं देखें। TensorFlow Lite के लिए प्रभावी, संगत, उच्च प्रदर्शन मॉडल बनाने के बारे में अधिक जानकारी के लिए, प्रदर्शन सर्वोत्तम अभ्यास देखें।

TensorFlow Lite के साथ उपयोग करने के लिए पूर्व-प्रशिक्षित ML मॉडल चुनना सीखें।
अपने प्रशिक्षण डेटा का उपयोग करके मॉडल को संशोधित करने के लिए TensorFlow Lite Model Maker का उपयोग करें।
TensorFlow Lite के साथ उपयोग करने के लिए कस्टम TensorFlow मॉडल बनाने का तरीका जानें।