ابدء
TensorFlow Lite هو إطار عمل تعلم عميق مفتوح المصدر لتشغيل نماذج TensorFlow على الجهاز. إذا كنت جديدًا على TensorFlow Lite ، فإننا نوصيك أولاً باستكشاف النماذج المدربة مسبقًا وتشغيل التطبيقات النموذجية أدناه على جهاز حقيقي لمعرفة ما يمكن أن يفعله TensorFlow Lite.كشف الكائن
اكتشف الكائنات في الوقت الفعلي من خلال تغذية الكاميرا باستخدام نموذج MobileNet.سؤال وجواب
أجب عن أي أسئلة تتعلق بنص معين باستخدام نموذج MobileBERT.لمطوري المحمول
إذا كنت مطورًا للجوّال وليس لديك خبرة كبيرة في التعلم الآلي و TensorFlow ، فيمكنك البدء بتعلم كيفية تدريب نموذج ونشره في تطبيق جوال باستخدام TensorFlow Lite Model Maker.التعرف على الزهور على Android
برنامج تعليمي سريع للبدء في Android. تدريب نموذج تصنيف الزهور ونشره في تطبيق Android.التعرف على الزهور على نظام iOS
برنامج تعليمي حول البدء السريع لنظام iOS. تدريب نموذج تصنيف الزهور ونشره في تطبيق iOS.لمنشئي النماذج
إذا كنت معتادًا على TensorFlow ومهتمًا بالنشر على الأجهزة المتطورة ، فيمكنك البدء بالبرنامج التعليمي أدناه لمعرفة كيفية تحويل نموذج TensorFlow إلى تنسيق TensorFlow Lite وتحسينه للاستدلال على الجهاز.التعرف على الأرقام المكتوبة بخط اليد
برنامج تعليمي سريع وشامل حول تحويل نموذج TensorFlow وتحسينه للاستدلال على الجهاز ، ثم نشره في تطبيق Android.نقل التعلم لتصنيف الصور
تعرف على كيفية استخدام TensorFlow Lite Model Maker لإنشاء نماذج تصنيف الصور بسرعة.لمطوري إنترنت الأشياء
إذا كنت مهتمًا بنشر نموذج TensorFlow على أجهزة إنترنت الأشياء التي تعمل بنظام Linux مثل Raspberry Pi ، فيمكنك تجربة هذه البرامج التعليمية حول كيفية تنفيذ مهام رؤية الكمبيوتر على أجهزة إنترنت الأشياء.تصنيف الصورة على Raspberry Pi
قم بإجراء تصنيف للصور في الوقت الفعلي باستخدام الصور المتدفقة من Pi Camera.اكتشاف الكائن على Raspberry Pi
قم بإجراء اكتشاف الكائنات في الوقت الفعلي باستخدام الصور المتدفقة من Pi Camera.
إذا كنت مهتمًا بنشر نموذج TensorFlow على وحدات التحكم الدقيقة التي تكون محدودة الموارد بشكل أكبر ، فيمكنك البدء بهذه البرامج التعليمية التي توضح سير عمل شامل من تطوير نموذج TensorFlow إلى التحويل إلى تنسيق TensorFlow Lite والنشر إلى متحكم مع TensorFlow Lite Micro.
الكشف عن الكلمات المهمة
قم بتدريب نموذج حديث صغير يمكنه اكتشاف الكلمات المهمة البسيطة.التعرف على الإيماءات
قم بتدريب نموذج يمكنه التعرف على الإيماءات المختلفة باستخدام بيانات مقياس التسارع.الخطوات التالية
بعد أن تتعرف على سير العمل الخاص بتدريب نموذج TensorFlow ، وتحويله إلى تنسيق TensorFlow Lite ، ونشره على تطبيقات الأجهزة المحمولة ، يمكنك معرفة المزيد عن TensorFlow Lite باستخدام المواد التالية:
- جرب دروس المجال المختلفة (مثل الرؤية والكلام) من شريط التنقل الأيمن. يوضحون لك كيفية تدريب نموذج على مهمة محددة لتعلم الآلة ، مثل اكتشاف الأشياء أو تحليل المشاعر .
- تعرف على المزيد حول سير عمل التطوير في دليل TensorFlow Lite. يمكنك العثور على معلومات متعمقة حول ميزات TensorFlow Lite ، مثل تحويل النموذج أو تحسين النموذج .
- تحقق من دورة التعلم الإلكتروني المجانية هذه على TensorFlow Lite.
المدونات ومقاطع الفيديو
اشترك في مدونة TensorFlow وقناة YouTube و Twitter للحصول على آخر التحديثات.