TensorFlow Lite के लिए पूर्व-प्रशिक्षित मॉडल

कई मशीन सीखने के कार्यों को पूरा करने के लिए पहले से ही प्रशिक्षित, ओपन सोर्स मॉडल के कई प्रकार हैं जिनका उपयोग आप तुरंत TensorFlow Lite के साथ कर सकते हैं। पूर्व-प्रशिक्षित TensorFlow लाइट मॉडल का उपयोग करने से आप बिना किसी मॉडल को बनाए और प्रशिक्षित किए अपने मोबाइल और एज डिवाइस एप्लिकेशन में मशीन लर्निंग कार्यक्षमता को जल्दी से जोड़ सकते हैं। यह मार्गदर्शिका आपको TensorFlow Lite के उपयोग के लिए प्रशिक्षित मॉडल खोजने और तय करने में मदद करती है।

आप TensorFlow Lite उदाहरण अनुभाग में सामान्य उपयोग के मामलों के आधार पर तुरंत TensorFlow Lite मॉडल ब्राउज़ करना शुरू कर सकते हैं, या TensorFlow हब पर मॉडलों का एक बड़ा सेट ब्राउज़ कर सकते हैं।

अपने आवेदन के लिए एक मॉडल खोजें

आप जो हासिल करने की कोशिश कर रहे हैं उसके आधार पर अपने उपयोग के मामले के लिए मौजूदा TensorFlow लाइट मॉडल ढूंढना मुश्किल हो सकता है। TensorFlow Lite के साथ उपयोग के लिए मॉडल खोजने के लिए यहां कुछ अनुशंसित तरीके दिए गए हैं:

उदाहरण के लिए: TensorFlow Lite के साथ मॉडल खोजने और उनका उपयोग शुरू करने का सबसे तेज़ तरीका TensorFlow Lite उदाहरण अनुभाग को ब्राउज़ करना है ताकि ऐसे मॉडल ढूंढे जा सकें जो आपके उपयोग के मामले के समान कार्य करते हैं। उदाहरणों की यह छोटी सूची सामान्य उपयोग के मामलों के लिए मॉडल प्रदान करती है जिसमें मॉडल और नमूना कोड की व्याख्या होती है ताकि आप उन्हें चलाना और उनका उपयोग करना शुरू कर सकें।

डेटा इनपुट प्रकार के अनुसार: आपके उपयोग के मामले के समान उदाहरणों को देखने के अलावा, अपने स्वयं के उपयोग के लिए मॉडल खोजने का दूसरा तरीका यह है कि आप जिस प्रकार के डेटा को संसाधित करना चाहते हैं, जैसे ऑडियो, टेक्स्ट, चित्र या वीडियो डेटा पर विचार करें। मशीन लर्निंग मॉडल अक्सर इन प्रकार के डेटा में से किसी एक के उपयोग के लिए डिज़ाइन किए जाते हैं, इसलिए उन मॉडलों की तलाश करना जो आपके द्वारा उपयोग किए जाने वाले डेटा प्रकार को संभालते हैं, आपको यह तय करने में मदद मिल सकती है कि कौन से मॉडल पर विचार करना है। TensorFlow हब पर, आप मॉडल डेटा प्रकार देखने और अपनी सूची को संकीर्ण करने के लिए समस्या डोमेन फ़िल्टर का उपयोग कर सकते हैं।

निम्नलिखित सूची सामान्य उपयोग के मामलों के लिए TensorFlow हब पर TensorFlow Lite मॉडल के लिंक देती है:

समान मॉडलों में से चुनें

यदि आपका एप्लिकेशन छवि वर्गीकरण या ऑब्जेक्ट डिटेक्शन जैसे सामान्य उपयोग के मामले का अनुसरण करता है, तो आप अलग-अलग बाइनरी आकार, डेटा इनपुट आकार, अनुमान गति और भविष्यवाणी सटीकता रेटिंग के साथ कई TensorFlow लाइट मॉडल के बीच निर्णय ले सकते हैं। कई मॉडलों के बीच निर्णय लेते समय, आपको अपने सबसे सीमित बाधाओं के आधार पर अपने विकल्पों को सीमित करना चाहिए: मॉडल का आकार, डेटा का आकार, अनुमान की गति, या सटीकता।

यदि आप सुनिश्चित नहीं हैं कि आपकी सबसे सीमित बाधा क्या है, तो मान लें कि यह मॉडल का आकार है और उपलब्ध सबसे छोटा मॉडल चुनें। एक छोटा मॉडल चुनना आपको उन उपकरणों के मामले में सबसे अधिक लचीलापन देता है जहां आप मॉडल को सफलतापूर्वक तैनात और चला सकते हैं। छोटे मॉडल भी आमतौर पर तेजी से अनुमान लगाते हैं, और तेज भविष्यवाणियां आम तौर पर बेहतर अंत-उपयोगकर्ता अनुभव बनाती हैं। छोटे मॉडल में आमतौर पर कम सटीकता दर होती है, इसलिए यदि भविष्यवाणी सटीकता आपकी प्राथमिक चिंता है तो आपको बड़े मॉडल चुनने की आवश्यकता हो सकती है।

मॉडल के लिए स्रोत

TensorFlow Lite के साथ उपयोग के लिए मॉडल खोजने और चुनने के लिए अपने पहले गंतव्य के रूप में TensorFlow Lite उदाहरण अनुभाग और TensorFlow हब का उपयोग करें। इन स्रोतों में आमतौर पर TensorFlow Lite के साथ उपयोग के लिए अद्यतित, क्यूरेटेड मॉडल होते हैं, और अक्सर आपकी विकास प्रक्रिया को तेज करने के लिए नमूना कोड शामिल करते हैं।

टेंसरफ्लो मॉडल

नियमित TensorFlow मॉडल को TensorFlow Lite प्रारूप में बदलना संभव है। मॉडल परिवर्तित करने के बारे में अधिक जानकारी के लिए, TensorFlow Lite Converter दस्तावेज़ीकरण देखें। आप TensorFlow हब और TensorFlow मॉडल गार्डन में TensorFlow मॉडल पा सकते हैं।