รุ่นก่อนการฝึกอบรมสำหรับ TensorFlow Lite

มีโมเดลโอเพนซอร์สที่ผ่านการฝึกอบรมมาแล้วมากมาย ซึ่งคุณสามารถใช้ได้ทันทีกับ TensorFlow Lite เพื่อทำงานแมชชีนเลิร์นนิงให้สำเร็จ การใช้โมเดล TensorFlow Lite ที่ผ่านการฝึกอบรมล่วงหน้าจะทำให้คุณสามารถเพิ่มฟังก์ชันแมชชีนเลิร์นนิงลงในแอปพลิเคชันมือถือและอุปกรณ์ Edge ของคุณได้อย่างรวดเร็ว โดยไม่ต้องสร้างและฝึกโมเดล คู่มือนี้จะช่วยคุณค้นหาและตัดสินใจเกี่ยวกับรุ่นที่ผ่านการฝึกอบรมเพื่อใช้กับ TensorFlow Lite

คุณสามารถเริ่มเรียกดูรุ่น TensorFlow Lite ได้ทันทีโดยพิจารณาจากกรณีการใช้งานทั่วไปใน ส่วนตัวอย่าง TensorFlow Lite หรือเรียกดูชุดแบบจำลองที่ใหญ่กว่าบน TensorFlow Hub

ค้นหารุ่นสำหรับการใช้งานของคุณ

การค้นหาโมเดล TensorFlow Lite ที่มีอยู่สำหรับกรณีการใช้งานของคุณอาจเป็นเรื่องยาก ขึ้นอยู่กับสิ่งที่คุณพยายามทำให้สำเร็จ ต่อไปนี้คือวิธีที่แนะนำสองสามวิธีในการค้นหาแบบจำลองสำหรับใช้กับ TensorFlow Lite:

ตามตัวอย่าง: วิธีที่เร็วที่สุดในการค้นหาและเริ่มใช้แบบจำลองต่างๆ กับ TensorFlow Lite คือการเรียกดู ส่วนตัวอย่าง TensorFlow Lite เพื่อค้นหาแบบจำลองที่ทำงานคล้ายกับกรณีการใช้งานของคุณ แคตตาล็อกตัวอย่างสั้นๆ นี้มีโมเดลสำหรับกรณีการใช้งานทั่วไปพร้อมคำอธิบายของโมเดลและโค้ดตัวอย่างเพื่อให้คุณเริ่มต้นใช้งานและใช้งาน

ตามประเภทการป้อนข้อมูล: นอกเหนือจากการดูตัวอย่างที่คล้ายกับกรณีการใช้งานของคุณ อีกวิธีหนึ่งในการค้นหาแบบจำลองสำหรับการใช้งานของคุณเองคือการพิจารณาประเภทของข้อมูลที่คุณต้องการประมวลผล เช่น ข้อมูลเสียง ข้อความ รูปภาพ หรือวิดีโอ แบบจำลองแมชชีนเลิร์นนิงมักออกแบบมาเพื่อใช้กับข้อมูลประเภทใดประเภทหนึ่ง ดังนั้น การค้นหาแบบจำลองที่จัดการกับชนิดข้อมูลที่คุณต้องการใช้สามารถช่วยให้คุณจำกัดขอบเขตของแบบจำลองที่ต้องพิจารณาได้ บน TensorFlow Hub คุณสามารถใช้ตัวกรอง โดเมนปัญหา เพื่อดูประเภทข้อมูลแบบจำลองและจำกัดรายการของคุณให้แคบลง

รายการต่อไปนี้ลิงก์ไปยังรุ่น TensorFlow Lite บน TensorFlow Hub สำหรับกรณีการใช้งานทั่วไป:

เลือกระหว่างรุ่นที่คล้ายกัน

หากแอปพลิเคชันของคุณเป็นไปตามกรณีการใช้งานทั่วไป เช่น การจัดประเภทรูปภาพหรือการตรวจจับวัตถุ คุณอาจพบว่าตัวเองกำลังตัดสินใจระหว่างรุ่น TensorFlow Lite หลายรุ่น โดยมีขนาดไบนารีที่แตกต่างกัน ขนาดการป้อนข้อมูล ความเร็วในการอนุมาน และการจัดอันดับความแม่นยำในการคาดคะเน เมื่อตัดสินใจเลือกระหว่างรุ่นต่างๆ คุณควรจำกัดตัวเลือกของคุณให้แคบลงโดยพิจารณาจากข้อจำกัดที่จำกัดที่สุดของคุณก่อน: ขนาดของแบบจำลอง ขนาดของข้อมูล ความเร็วในการอนุมาน หรือความแม่นยำ

หากคุณไม่แน่ใจว่าข้อจำกัดที่จำกัดที่สุดของคุณคืออะไร ให้สมมติว่าเป็นขนาดของโมเดลและเลือกรุ่นที่เล็กที่สุดที่มีอยู่ การเลือกรุ่นขนาดเล็กช่วยให้คุณมีความยืดหยุ่นสูงสุดในแง่ของอุปกรณ์ที่คุณสามารถปรับใช้และเรียกใช้โมเดลได้สำเร็จ โมเดลที่เล็กกว่ามักจะสร้างการอนุมานได้เร็วกว่า และการคาดคะเนที่เร็วขึ้นโดยทั่วไปจะสร้างประสบการณ์ผู้ใช้ปลายทางที่ดีขึ้น โมเดลที่เล็กกว่ามักจะมีอัตราความแม่นยำต่ำกว่า ดังนั้นคุณอาจต้องเลือกโมเดลที่ใหญ่ขึ้นหากความกังวลหลักเกี่ยวกับความแม่นยำในการคาดการณ์

แหล่งที่มาของโมเดล

ใช้ ส่วนตัวอย่าง TensorFlow Lite และ TensorFlow Hub เป็นจุดหมายแรกของคุณในการค้นหาและเลือกรุ่นสำหรับใช้กับ TensorFlow Lite โดยทั่วไปแล้ว แหล่งที่มาเหล่านี้จะมีโมเดลที่ทันสมัยและได้รับการดูแลจัดการสำหรับใช้กับ TensorFlow Lite และมักมีโค้ดตัวอย่างเพื่อเร่งกระบวนการพัฒนาของคุณ

รุ่น TensorFlow

เป็นไปได้ที่จะ แปลง โมเดล TensorFlow ปกติเป็นรูปแบบ TensorFlow Lite สำหรับข้อมูลเพิ่มเติมเกี่ยวกับการแปลงโมเดล โปรดดูเอกสาร TensorFlow Lite Converter คุณสามารถค้นหารุ่น TensorFlow ได้ที่ TensorFlow Hub และใน TensorFlow Model Garden