O Google I/O é um embrulho! Fique por dentro das sessões do TensorFlow Ver sessões

Criador de modelos do TensorFlow Lite

Visão geral

A biblioteca do TensorFlow Lite Model Maker simplifica o processo de treinamento de um modelo do TensorFlow Lite usando um conjunto de dados personalizado. Ele usa o aprendizado de transferência para reduzir a quantidade de dados de treinamento necessários e diminuir o tempo de treinamento.

Tarefas compatíveis

Atualmente, a biblioteca do Model Maker oferece suporte às seguintes tarefas de ML. Clique nos links abaixo para obter guias sobre como treinar o modelo.

Tarefas compatíveis Utilitário de Tarefas
Classificação da imagem: tutorial , api Classifique as imagens em categorias predefinidas.
Detecção de objetos: tutorial , api Detecte objetos em tempo real.
Classificação de texto: tutorial , api Classifique o texto em categorias predefinidas.
BERT Pergunta Resposta: tutorial , api Encontre a resposta em um determinado contexto para uma determinada pergunta com o BERT.
Classificação de áudio: tutorial , api Classifique o áudio em categorias predefinidas.
Recomendação: demo , api Recomendar itens com base nas informações de contexto para o cenário no dispositivo.

Se suas tarefas não forem compatíveis, primeiro use o TensorFlow para treinar novamente um modelo do TensorFlow com aprendizado de transferência (seguindo guias como imagens , texto , áudio ) ou treine-o do zero e depois converta -o para o modelo TensorFlow Lite.

Exemplo de ponta a ponta

O Model Maker permite treinar um modelo do TensorFlow Lite usando conjuntos de dados personalizados em apenas algumas linhas de código. Por exemplo, aqui estão as etapas para treinar um modelo de classificação de imagem.

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/')

Para obter mais detalhes, consulte o guia de classificação de imagens .

Instalação

Existem duas maneiras de instalar o Model Maker.

  • Instale um pacote pip pré-construído.
pip install tflite-model-maker

Se você deseja instalar a versão noturna, siga o comando:

pip install tflite-model-maker-nightly
  • Clone o código-fonte do GitHub e instale.
git clone https://github.com/tensorflow/examples
cd examples/tensorflow_examples/lite/model_maker/pip_package
pip install -e .

O Model Maker do TensorFlow Lite depende do pacote pip do TensorFlow. Para drivers de GPU, consulte o guia de GPU do TensorFlow ou o guia de instalação .

Referência da API Python

Você pode descobrir as APIs públicas do Model Maker na referência da API .