Существует множество уже обученных моделей с открытым исходным кодом, которые вы можете сразу же использовать с TensorFlow Lite для выполнения многих задач машинного обучения. Использование предварительно обученных моделей TensorFlow Lite позволяет быстро добавлять функции машинного обучения в приложение для мобильных устройств и периферийных устройств без необходимости создавать и обучать модель. Это руководство поможет вам найти и выбрать обученные модели для использования с TensorFlow Lite.
Вы можете сразу приступить к просмотру моделей TensorFlow Lite на основе общих вариантов использования в разделе « Примеры TensorFlow Lite » или просмотреть более широкий набор моделей на TensorFlow Hub .
Найдите модель для вашего приложения
Поиск существующей модели TensorFlow Lite для вашего варианта использования может быть сложным в зависимости от того, чего вы пытаетесь достичь. Вот несколько рекомендуемых способов обнаружения моделей для использования с TensorFlow Lite:
На примере: самый быстрый способ найти и начать использовать модели с TensorFlow Lite — просмотреть раздел « Примеры TensorFlow Lite », чтобы найти модели, которые выполняют задачу, аналогичную вашему варианту использования. Этот краткий каталог примеров содержит модели для распространенных случаев использования с пояснениями моделей и примерами кода, которые помогут вам начать их запуск и использование.
По типу ввода данных. Помимо просмотра примеров, похожих на ваш вариант использования, еще один способ найти модели для собственного использования — рассмотреть тип данных, которые вы хотите обрабатывать, например аудио, текст, изображения или видеоданные. Модели машинного обучения часто разрабатываются для использования с одним из этих типов данных, поэтому поиск моделей, которые обрабатывают тип данных, который вы хотите использовать, может помочь вам сузить круг моделей, которые следует рассмотреть. В TensorFlow Hub вы можете использовать фильтр проблемной области , чтобы просмотреть типы данных модели и сузить свой список.
Ниже перечислены ссылки на модели TensorFlow Lite в TensorFlow Hub для распространенных случаев использования:
- Модели классификации изображений
- Модели обнаружения объектов
- Модели классификации текста
- Модели встраивания текста
- Модели аудиосинтеза речи
- Модели встраивания аудио
Выбирайте между похожими моделями
Если ваше приложение следует общему варианту использования, такому как классификация изображений или обнаружение объектов, вы можете выбирать между несколькими моделями TensorFlow Lite с различным размером двоичных файлов, размером входных данных, скоростью вывода и оценками точности прогнозирования. Выбирая между несколькими моделями, вы должны сузить свои варианты, основываясь в первую очередь на ваших самых ограничивающих ограничениях: размер модели, размер данных, скорость вывода или точность.
Если вы не уверены, какое у вас самое ограничивающее ограничение, предположите, что это размер модели, и выберите наименьшую доступную модель. Выбор небольшой модели обеспечивает наибольшую гибкость с точки зрения устройств, на которых можно успешно развернуть и запустить модель. Меньшие модели также обычно дают более быстрые выводы, а более быстрые прогнозы обычно улучшают взаимодействие с конечным пользователем. Меньшие модели обычно имеют более низкие показатели точности, поэтому вам может потребоваться выбрать более крупные модели, если точность прогноза является вашей главной задачей.
Исходники для моделей
Используйте раздел « Примеры TensorFlow Lite » и TensorFlow Hub в качестве первых пунктов назначения для поиска и выбора моделей для использования с TensorFlow Lite. Эти источники обычно содержат актуальные модели для использования с TensorFlow Lite и часто содержат образцы кода для ускорения процесса разработки.
Модели TensorFlow
Можно преобразовать обычные модели TensorFlow в формат TensorFlow Lite. Дополнительные сведения о преобразовании моделей см. в документации по конвертеру TensorFlow Lite . Модели TensorFlow можно найти на TensorFlow Hub и в TensorFlow Model Garden .