Model terlatih untuk TensorFlow Lite

Ada berbagai model sumber terbuka yang sudah terlatih yang dapat Anda gunakan segera dengan TensorFlow Lite untuk menyelesaikan banyak tugas pembelajaran mesin. Menggunakan model TensorFlow Lite yang telah dilatih sebelumnya memungkinkan Anda menambahkan fungsionalitas machine learning ke aplikasi perangkat seluler dan edge dengan cepat, tanpa harus membuat dan melatih model. Panduan ini membantu Anda menemukan dan memutuskan model terlatih untuk digunakan dengan TensorFlow Lite.

Anda dapat langsung mulai menjelajahi model TensorFlow Lite berdasarkan kasus penggunaan umum di bagian Contoh TensorFlow Lite , atau menelusuri kumpulan model yang lebih besar di TensorFlow Hub .

Temukan model untuk aplikasi Anda

Menemukan model TensorFlow Lite yang sudah ada untuk kasus penggunaan Anda bisa jadi rumit tergantung pada apa yang ingin Anda capai. Berikut adalah beberapa cara yang disarankan untuk menemukan model untuk digunakan dengan TensorFlow Lite:

Sebagai contoh: Cara tercepat untuk menemukan dan mulai menggunakan model dengan TensorFlow Lite adalah dengan menelusuri bagian Contoh TensorFlow Lite untuk menemukan model yang melakukan tugas yang mirip dengan kasus penggunaan Anda. Katalog contoh singkat ini menyediakan model untuk kasus penggunaan umum dengan penjelasan model dan kode contoh untuk membantu Anda mulai menjalankan dan menggunakannya.

Menurut jenis input data: Selain melihat contoh yang mirip dengan kasus penggunaan Anda, cara lain untuk menemukan model untuk penggunaan Anda sendiri adalah dengan mempertimbangkan jenis data yang ingin Anda proses, seperti data audio, teks, gambar, atau video. Model pembelajaran mesin sering dirancang untuk digunakan dengan salah satu tipe data ini, jadi mencari model yang menangani tipe data yang ingin Anda gunakan dapat membantu Anda mempersempit model apa yang perlu dipertimbangkan. Di TensorFlow Hub , Anda dapat menggunakan filter domain Masalah untuk melihat tipe data model dan mempersempit daftar Anda.

Daftar berikut link ke model TensorFlow Lite di TensorFlow Hub untuk kasus penggunaan umum:

Pilih di antara model serupa

Jika aplikasi Anda mengikuti kasus penggunaan umum seperti klasifikasi gambar atau deteksi objek, Anda mungkin harus memutuskan di antara beberapa model TensorFlow Lite, dengan berbagai ukuran biner, ukuran input data, kecepatan inferensi, dan peringkat akurasi prediksi. Saat memutuskan di antara sejumlah model, Anda harus mempersempit pilihan Anda terlebih dahulu berdasarkan batasan Anda yang paling membatasi: ukuran model, ukuran data, kecepatan inferensi, atau akurasi.

Jika Anda tidak yakin apa kendala Anda yang paling membatasi, anggap itu adalah ukuran model dan pilih model terkecil yang tersedia. Memilih model kecil memberi Anda fleksibilitas paling besar dalam hal perangkat tempat Anda berhasil menerapkan dan menjalankan model. Model yang lebih kecil juga biasanya menghasilkan inferensi yang lebih cepat, dan prediksi yang lebih cepat umumnya menciptakan pengalaman pengguna akhir yang lebih baik. Model yang lebih kecil biasanya memiliki tingkat akurasi yang lebih rendah, jadi Anda mungkin perlu memilih model yang lebih besar jika akurasi prediksi menjadi perhatian utama Anda.

Sumber untuk model

Gunakan bagian Contoh TensorFlow Lite dan TensorFlow Hub sebagai tujuan pertama Anda untuk menemukan dan memilih model untuk digunakan dengan TensorFlow Lite. Sumber-sumber ini umumnya memiliki model terkurasi terbaru untuk digunakan dengan TensorFlow Lite, dan sering kali menyertakan kode contoh untuk mempercepat proses pengembangan Anda.

Model TensorFlow

Dimungkinkan untuk mengonversi model TensorFlow biasa ke format TensorFlow Lite. Untuk informasi selengkapnya tentang mengonversi model, lihat dokumentasi TensorFlow Lite Converter . Anda dapat menemukan model TensorFlow di TensorFlow Hub dan di Taman Model TensorFlow .