TensorFlow Lite ใช้โมเดล TensorFlow ที่แปลงเป็นรูปแบบโมเดลแมชชีนเลิร์นนิง (ML) ที่เล็กลงและมีประสิทธิภาพมากขึ้น คุณสามารถใช้โมเดลที่ฝึกอบรมล่วงหน้ากับ TensorFlow Lite ปรับเปลี่ยนโมเดลที่มีอยู่ หรือสร้างโมเดล TensorFlow ของคุณเอง แล้วแปลงเป็นรูปแบบ TensorFlow Lite โมเดล TensorFlow Lite สามารถทำงานได้เกือบทุกอย่างที่โมเดล TensorFlow ทั่วไปสามารถทำได้: การตรวจจับวัตถุ การประมวลผลภาษาธรรมชาติ การจดจำรูปแบบ และอื่นๆ โดยใช้ข้อมูลอินพุตที่หลากหลาย รวมถึงรูปภาพ วิดีโอ เสียง และข้อความ

ข้ามไปที่ส่วนการ แปลง เพื่อดูข้อมูลเกี่ยวกับการทำให้โมเดลของคุณทำงานกับ TensorFlow Lite
สำหรับคำแนะนำในการหาแบบจำลองสำหรับกรณีการใช้งานของคุณ โปรด อ่าน ต่อไป

คุณไม่จำเป็นต้องสร้างโมเดล TensorFlow Lite เพื่อเริ่มใช้การเรียนรู้ของเครื่องบนอุปกรณ์พกพาหรืออุปกรณ์ Edge มีโมเดลที่สร้างไว้แล้วและปรับให้เหมาะสมมากมายให้คุณใช้งานได้ทันทีในแอปพลิเคชันของคุณ คุณสามารถเริ่มต้นด้วยการใช้โมเดลที่ผ่านการฝึกอบรมล่วงหน้าใน TensorFlow Lite และเลื่อนขึ้นไปยังการสร้างแบบจำลองที่กำหนดเองเมื่อเวลาผ่านไป ดังนี้:

  1. เริ่มพัฒนาฟีเจอร์แมชชีนเลิร์นนิงด้วยโมเดลที่ผ่าน การฝึกอบรมมา แล้ว
  2. แก้ไขโมเดล TensorFlow Lite ที่มีอยู่โดยใช้เครื่องมือต่างๆ เช่น Model Maker
  3. สร้าง โมเดลแบบกำหนดเอง ด้วยเครื่องมือ TensorFlow แล้ว แปลง เป็น TensorFlow Lite

หากคุณกำลังพยายามปรับใช้คุณลักษณะหรืองานยูทิลิตี้อย่างรวดเร็วด้วยการเรียนรู้ของเครื่อง คุณควรตรวจสอบกรณีการใช้งานที่ ML Kit รองรับก่อนเริ่มการพัฒนาด้วย TensorFlow Lite เครื่องมือการพัฒนานี้มี API ที่คุณสามารถเรียกใช้ได้โดยตรงจากแอปบนอุปกรณ์เคลื่อนที่เพื่อทำงาน ML ทั่วไป เช่น การสแกนบาร์โค้ดและการแปลบนอุปกรณ์ การใช้วิธีนี้จะช่วยให้คุณได้ผลลัพธ์อย่างรวดเร็ว อย่างไรก็ตาม ML Kit มีตัวเลือกที่จำกัดสำหรับการขยายขีดความสามารถ สำหรับข้อมูลเพิ่มเติม โปรดดูเอกสารประกอบสำหรับนักพัฒนา ML Kit


หากการสร้างโมเดลแบบกำหนดเองสำหรับกรณีการใช้งานเฉพาะของคุณคือเป้าหมายสูงสุด คุณควรเริ่มต้นด้วยการพัฒนาและฝึกอบรมโมเดล TensorFlow หรือขยายโมเดลที่มีอยู่ ก่อนที่คุณจะเริ่มกระบวนการพัฒนาแบบจำลองของคุณ คุณควรตระหนักถึงข้อจำกัดสำหรับรุ่น TensorFlow Lite และสร้างแบบจำลองของคุณโดยคำนึงถึงข้อจำกัดเหล่านี้:

  • ความสามารถในการประมวลผลที่จำกัด
  • ขนาดของรุ่น
  • ขนาดของข้อมูล
  • รองรับการทำงานของ TensorFlow

สำหรับรายละเอียดเพิ่มเติมเกี่ยวกับข้อจำกัดแต่ละข้อ โปรดดูข้อจำกัดใน การออกแบบแบบจำลอง ในภาพรวมการสร้างแบบจำลอง สำหรับข้อมูลเพิ่มเติมเกี่ยวกับการสร้างโมเดลที่มีประสิทธิภาพ เข้ากันได้ และมีประสิทธิภาพสูงสำหรับ TensorFlow Lite โปรดดู ที่ แนวทางปฏิบัติที่ดีที่สุด ด้านประสิทธิภาพ

เรียนรู้วิธีเลือกโมเดล ML ที่ผ่านการฝึกอบรมล่วงหน้าเพื่อใช้กับ TensorFlow Lite
ใช้ TensorFlow Lite Model Maker เพื่อแก้ไขโมเดลโดยใช้ข้อมูลการฝึกของคุณ
เรียนรู้วิธีสร้างโมเดล TensorFlow แบบกำหนดเองเพื่อใช้กับ TensorFlow Lite