ภาพรวม
ไลบรารี TensorFlow Lite Model Maker ช่วยลดความยุ่งยากในกระบวนการฝึกอบรมโมเดล TensorFlow Lite โดยใช้ชุดข้อมูลที่กำหนดเอง ใช้การถ่ายโอนการเรียนรู้เพื่อลดปริมาณข้อมูลการฝึกอบรมที่จำเป็น และลดระยะเวลาในการฝึกอบรม
งานที่รองรับ
ปัจจุบันไลบรารี Model Maker รองรับงาน ML ต่อไปนี้ คลิกลิงก์ด้านล่างเพื่อดูคำแนะนำในการฝึกโมเดล
งานที่รองรับ | ยูทิลิตี้งาน |
---|---|
การจัดหมวดหมู่รูปภาพ: กวดวิชา , api | จำแนกรูปภาพเป็นหมวดหมู่ที่กำหนดไว้ล่วงหน้า |
การตรวจจับวัตถุ: บทช่วย สอน , api | ตรวจจับวัตถุในเวลาจริง |
การจัดประเภทข้อความ: กวดวิชา , api | จำแนกข้อความเป็นหมวดหมู่ที่กำหนดไว้ล่วงหน้า |
คำตอบของคำถาม BERT: บทช่วย สอน , api | ค้นหาคำตอบในบริบทเฉพาะสำหรับคำถามที่กำหนดด้วย BERT |
การจัดหมวดหมู่เสียง: กวดวิชา , api | จำแนกเสียงเป็นหมวดหมู่ที่กำหนดไว้ล่วงหน้า |
คำแนะนำ: สาธิต , api | แนะนำรายการตามข้อมูลบริบทสำหรับสถานการณ์ในอุปกรณ์ |
Searcher: กวดวิชา , api | ค้นหาข้อความหรือรูปภาพที่คล้ายกันในฐานข้อมูล |
หากงานของคุณไม่ได้รับการสนับสนุน ขั้นแรกให้ใช้ TensorFlow เพื่อฝึกโมเดล TensorFlow ด้วยการเรียนรู้การถ่ายโอน (ตามคำแนะนำเช่น รูปภาพ ข้อความ เสียง ) หรือฝึกตั้งแต่เริ่มต้น แล้ว แปลง เป็นโมเดล TensorFlow Lite
ตัวอย่างตั้งแต่ต้นจนจบ
Model Maker ให้คุณฝึกโมเดล TensorFlow Lite โดยใช้ชุดข้อมูลที่กำหนดเองในโค้ดเพียงไม่กี่บรรทัด ตัวอย่างเช่น ต่อไปนี้เป็นขั้นตอนในการฝึกโมเดลการจัดประเภทรูปภาพ
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/')
สำหรับรายละเอียดเพิ่มเติม โปรดดูที่ คู่มือการจัดหมวดหมู่รูปภาพ
การติดตั้ง
มีสองวิธีในการติดตั้ง Model Maker
- ติดตั้งแพ็คเกจ pip ที่สร้างไว้ล่วงหน้า
pip install tflite-model-maker
หากคุณต้องการติดตั้งเวอร์ชันกลางคืน โปรดทำตามคำสั่ง:
pip install tflite-model-maker-nightly
- โคลนซอร์สโค้ดจาก GitHub และติดตั้ง
git clone https://github.com/tensorflow/examples
cd examples/tensorflow_examples/lite/model_maker/pip_package
pip install -e .
TensorFlow Lite Model Maker ขึ้นอยู่กับ แพ็คเกจ pip ของ TensorFlow สำหรับไดรเวอร์ GPU โปรดดู คู่มือ GPU ของ TensorFlow หรือ คู่มือการติดตั้ง
การอ้างอิง Python API
คุณสามารถค้นหา API สาธารณะของ Model Maker ได้ใน การอ้างอิง API