7 दिसंबर को महिला एमएल संगोष्ठी में भाग लें अभी पंजीकरण करें

TensorFlow लाइट मॉडल निर्माता

संग्रह की मदद से व्यवस्थित रहें अपनी प्राथमिकताओं के आधार पर, कॉन्टेंट को सेव करें और कैटगरी में बांटें.

अवलोकन

TensorFlow Lite मॉडल मेकर लाइब्रेरी कस्टम डेटासेट का उपयोग करके TensorFlow Lite मॉडल को प्रशिक्षित करने की प्रक्रिया को सरल बनाती है। यह आवश्यक प्रशिक्षण डेटा की मात्रा को कम करने और प्रशिक्षण समय को कम करने के लिए स्थानांतरण सीखने का उपयोग करता है।

समर्थित कार्य

मॉडल निर्माता पुस्तकालय वर्तमान में निम्नलिखित एमएल कार्यों का समर्थन करता है। मॉडल को प्रशिक्षित करने के तरीके के बारे में गाइड के लिए नीचे दिए गए लिंक पर क्लिक करें।

समर्थित कार्य कार्य उपयोगिता
छवि वर्गीकरण: ट्यूटोरियल , एपीआई छवियों को पूर्वनिर्धारित श्रेणियों में वर्गीकृत करें।
ऑब्जेक्ट डिटेक्शन: ट्यूटोरियल , एपीआई वास्तविक समय में वस्तुओं का पता लगाएं।
पाठ वर्गीकरण: ट्यूटोरियल , एपीआई पाठ को पूर्वनिर्धारित श्रेणियों में वर्गीकृत करें।
BERT प्रश्न उत्तर: ट्यूटोरियल , एपीआई किसी दिए गए प्रश्न के लिए BERT के साथ एक निश्चित संदर्भ में उत्तर खोजें।
ऑडियो वर्गीकरण: ट्यूटोरियल , एपीआई ऑडियो को पूर्वनिर्धारित श्रेणियों में वर्गीकृत करें।
सिफारिश: डेमो , एपीआई ऑन-डिवाइस परिदृश्य के लिए संदर्भ जानकारी के आधार पर आइटम की अनुशंसा करें।
खोजकर्ता: ट्यूटोरियल , एपीआई डेटाबेस में मिलते-जुलते टेक्स्ट या इमेज की खोज करें।

यदि आपके कार्य समर्थित नहीं हैं, तो कृपया पहले TensorFlow का उपयोग स्थानांतरण सीखने के साथ एक TensorFlow मॉडल को फिर से प्रशिक्षित करने के लिए करें ( चित्र , पाठ , ऑडियो जैसे गाइड) या इसे खरोंच से प्रशिक्षित करें, और फिर इसे TensorFlow लाइट मॉडल में परिवर्तित करें।

एंड-टू-एंड उदाहरण

मॉडल मेकर आपको कोड की कुछ ही पंक्तियों में कस्टम डेटासेट का उपयोग करके एक TensorFlow लाइट मॉडल को प्रशिक्षित करने की अनुमति देता है। उदाहरण के लिए, छवि वर्गीकरण मॉडल को प्रशिक्षित करने के चरण यहां दिए गए हैं।

from tflite_model_maker import image_classifier
from tflite_model_maker.image_classifier import DataLoader

# Load input data specific to an on-device ML app.
data = DataLoader.from_folder('flower_photos/')
train_data, test_data = data.split(0.9)

# Customize the TensorFlow model.
model = image_classifier.create(train_data)

# Evaluate the model.
loss, accuracy = model.evaluate(test_data)

# Export to Tensorflow Lite model and label file in `export_dir`.
model.export(export_dir='/tmp/')

अधिक विवरण के लिए, छवि वर्गीकरण मार्गदर्शिका देखें।

इंस्टालेशन

मॉडल मेकर को स्थापित करने के दो तरीके हैं।

  • प्रीबिल्ट पिप पैकेज इंस्टाल करें।
pip install tflite-model-maker

यदि आप रात्रिकालीन संस्करण स्थापित करना चाहते हैं, तो कृपया आदेश का पालन करें:

pip install tflite-model-maker-nightly
  • GitHub से स्रोत कोड को क्लोन करें और इंस्टॉल करें।
git clone https://github.com/tensorflow/examples
cd examples/tensorflow_examples/lite/model_maker/pip_package
pip install -e .

TensorFlow Lite Model Maker TensorFlow pip पैकेज पर निर्भर करता है। GPU ड्राइवरों के लिए, कृपया TensorFlow की GPU मार्गदर्शिका या स्थापना मार्गदर्शिका देखें।

पायथन एपीआई संदर्भ

आप API संदर्भ में मॉडल मेकर के सार्वजनिक API का पता लगा सकते हैं।