הסקת מסקנות מ-TensorFlow Lite עם מטא-נתונים

המסקנה של מודלים עם מטא-נתונים יכולה להיות קלה כמו כמה שורות קוד. המטא-נתונים של TensorFlow Lite מכילים תיאור עשיר של מה שהמודל עושה ואיך להשתמש בו. הוא יכול לעזור למחוללי קוד ליצור בשבילכם באופן אוטומטי את קוד ההסקה, למשל באמצעות התכונה Android Studio ML Binding או מחולל הקוד של TensorFlow Lite ל-Android. אפשר גם להשתמש בו כדי להגדיר את צינור עיבוד הנתונים להסקת מסקנות בהתאמה אישית.

כלים וספריות

ב-TensorFlow Lite יש מגוון כלים וספריות שיכולים לתת מענה לרמות שונות של דרישות פריסה, באופן הבא:

יצירת ממשק מודלים באמצעות מחוללי קוד של Android

יש שתי דרכים ליצור באופן אוטומטי את קוד ה-wrapper של Android הנדרש למודל TensorFlow Lite עם המטא-נתונים:

  1. קישור מודלים של למידת מכונה ב-Android Studio זמין ב-Android Studio כדי לייבא מודל TensorFlow Lite באמצעות ממשק גרפי. מערכת Android Studio תקבע באופן אוטומטי הגדרות לפרויקט, ותיצור מחלקות wrapper על סמך המטא-נתונים של המודל.

  2. TensorFlow Lite Code Generator הוא קובץ הפעלה שיוצר ממשק של המודל באופן אוטומטי על סמך המטא-נתונים. כרגע יש תמיכה ב-Android עם Java. קוד ה-wrapper מבטל את הצורך לקיים אינטראקציה ישירות עם ByteBuffer. במקום זאת, המפתחים יכולים לבצע אינטראקציה עם מודל TensorFlow Lite עם אובייקטים מסוג זה, כמו Bitmap ו-Rect. משתמשי Android Studio יכולים גם לקבל גישה לתכונה 'יצירת קוד' באמצעות קישור ML של Android Studio.

פיתוח צינורות עיבוד נתונים מותאמים אישית להסקת מסקנות בעזרת ספריית התמיכה של TensorFlow Lite

ספריית התמיכה של TensorFlow Lite היא ספרייה בפלטפורמות שונות שעוזרת להתאים אישית את ממשק המודלים וליצור צינורות עיבוד נתונים להסקת מסקנות. הוא מכיל סוגים שונים של מבני נתונים ו-methods לשימוש, כדי לבצע עיבוד לפני ואחרי עיבוד הנתונים ולהמיר אותם. הוא גם נועד להתאים להתנהגות של המודולים של TensorFlow, כמו TF.Image ו-TF.Text, כדי לשמור על עקביות בין האימון להסקת המסקנות.

מודלים שעברו אימון מראש בעזרת מטא-נתונים

אפשר לעיין ב-Kaggle Models כדי להוריד מודלים שעברו אימון מראש עם מטא-נתונים גם למשימות ראייה וגם משימות טקסט. ראו גם אפשרויות שונות להצגה חזותית של המטא-נתונים.

מאגר GitHub של התמיכה ב-TensorFlow Lite

תוכלו לראות עוד דוגמאות וקוד מקור במאגר GitHub של TensorFlow Lite Support.