هناك مجموعة متنوعة من النماذج مفتوحة المصدر المدربة بالفعل والتي يمكنك استخدامها على الفور مع TensorFlow Lite لإنجاز العديد من مهام التعلم الآلي. يتيح لك استخدام نماذج TensorFlow Lite المدربة مسبقًا إضافة وظائف التعلم الآلي إلى تطبيق الهاتف المحمول وجهاز الحافة بسرعة ، دون الحاجة إلى إنشاء نموذج وتدريبه. يساعدك هذا الدليل في العثور على النماذج المدربة والبت فيها لاستخدامها مع TensorFlow Lite.
يمكنك بدء استعراض نماذج TensorFlow Lite على الفور بناءً على حالات الاستخدام العامة في قسم أمثلة TensorFlow Lite ، أو تصفح مجموعة أكبر من النماذج على TensorFlow Hub .
ابحث عن نموذج لتطبيقك
قد يكون العثور على نموذج TensorFlow Lite موجود لحالة الاستخدام أمرًا صعبًا اعتمادًا على ما تحاول تحقيقه. فيما يلي بعض الطرق الموصى بها لاكتشاف النماذج للاستخدام مع TensorFlow Lite:
على سبيل المثال: أسرع طريقة للعثور على النماذج والبدء في استخدامها مع TensorFlow Lite هي تصفح قسم أمثلة TensorFlow Lite للعثور على النماذج التي تؤدي مهمة مشابهة لحالة الاستخدام الخاصة بك. يوفر هذا الكتالوج القصير للأمثلة نماذج لحالات الاستخدام الشائعة مع تفسيرات للنماذج وعينة التعليمات البرمجية لبدء تشغيلها واستخدامها.
حسب نوع إدخال البيانات: بصرف النظر عن النظر إلى أمثلة مشابهة لحالة الاستخدام الخاصة بك ، هناك طريقة أخرى لاكتشاف النماذج لاستخدامك الخاص وهي النظر في نوع البيانات التي تريد معالجتها ، مثل الصوت أو النص أو الصور أو بيانات الفيديو. غالبًا ما يتم تصميم نماذج التعلم الآلي للاستخدام مع أحد هذه الأنواع من البيانات ، لذا فإن البحث عن النماذج التي تتعامل مع نوع البيانات التي تريد استخدامها يمكن أن يساعدك في تضييق نطاق النماذج التي يجب مراعاتها. في TensorFlow Hub ، يمكنك استخدام عامل تصفية مجال المشكلة لعرض أنواع بيانات النموذج وتضييق نطاق قائمتك.
القوائم التالية روابط لنماذج TensorFlow Lite على TensorFlow Hub لحالات الاستخدام الشائعة:
- نماذج تصنيف الصور
- نماذج الكشف عن الأشياء
- نماذج تصنيف النص
- نماذج تضمين النص
- نماذج تركيب الكلام الصوتي
- نماذج تضمين الصوت
اختر من بين الطرز المتشابهة
إذا كان التطبيق الخاص بك يتبع حالة استخدام شائعة مثل تصنيف الصور أو اكتشاف الكائن ، فقد تجد نفسك تقرر بين عدة نماذج TensorFlow Lite ، مع اختلاف الحجم الثنائي ، وحجم إدخال البيانات ، وسرعة الاستدلال ، وتقييمات دقة التنبؤ. عند الاختيار بين عدد من النماذج ، يجب عليك تضييق خياراتك بناءً على القيد الأكثر تقييدًا: حجم النموذج أو حجم البيانات أو سرعة الاستدلال أو الدقة.
إذا لم تكن متأكدًا من القيد الأكثر تقييدًا لديك ، فافترض أنه حجم النموذج واختر أصغر نموذج متاح. يمنحك اختيار نموذج صغير أكبر قدر من المرونة من حيث الأجهزة حيث يمكنك نشر النموذج وتشغيله بنجاح. عادةً ما تنتج النماذج الأصغر حجمًا استدلالات أسرع ، وتؤدي التوقعات الأسرع عمومًا إلى إنشاء تجارب أفضل للمستخدم النهائي. عادةً ما تتمتع النماذج الأصغر بمعدلات دقة أقل ، لذلك قد تحتاج إلى اختيار نماذج أكبر إذا كانت دقة التنبؤ هي مصدر قلقك الأساسي.
مصادر النماذج
استخدم قسم أمثلة TensorFlow Lite و TensorFlow Hub كوجهاتك الأولى للعثور على النماذج واختيارها لاستخدامها مع TensorFlow Lite. تحتوي هذه المصادر بشكل عام على نماذج مُحدثة ومُنسقة للاستخدام مع TensorFlow Lite ، وتتضمن في كثير من الأحيان نموذج التعليمات البرمجية لتسريع عملية التطوير الخاصة بك.
نماذج TensorFlow
من الممكن تحويل نماذج TensorFlow العادية إلى تنسيق TensorFlow Lite. لمزيد من المعلومات حول تحويل النماذج ، راجع وثائق محول TensorFlow Lite . يمكنك العثور على نماذج TensorFlow على TensorFlow Hub وفي TensorFlow Model Garden .