メタデータを使用したモデルの推論は、わずか数行のコードだけで簡単に行えます。TensorFlow Lite メタデータには、モデルの機能と使用方法に関する豊富な説明が含まれています。Android Studio の ML バインディング機能や TensorFlow Lite Android コード生成ツールの使用などにより、コード生成ツールが推論コードを自動生成できるようにします。また、カスタム推論パイプラインの構成にも使用できます。
ツールとライブラリ
TensorFlow Lite には、さまざまなレベルのデプロイ要件に対応するさまざまなツールとライブラリが用意されています。
Android コード ジェネレータでモデル インターフェースを生成する
メタデータを使用して TensorFlow Lite モデルに必要な Android ラッパーコードを自動的に生成するには、次の 2 つの方法があります。
Android Studio ML Model Binding は Android Studio 内で利用できるツールで、グラフィカル インターフェースから TensorFlow Lite モデルをインポートできます。Android Studio は、プロジェクトの設定を自動的に構成し、モデル メタデータに基づいてラッパークラスを生成します。
TensorFlow Lite コード生成ツールは、メタデータに基づいてモデル インターフェースを自動的に生成する実行可能ファイルです。現時点では、Java 対応の Android をサポートしています。ラッパーコードを使用すると、
ByteBufferを直接操作する必要がなくなります。代わりに、BitmapやRectなどの型付きオブジェクトを使用して TensorFlow Lite モデルを操作できます。Android Studio のユーザーは、Android Studio ML Binding を介して codegen 機能にアクセスすることもできます。
TensorFlow Lite サポート ライブラリを使用してカスタム推論パイプラインを構築する
TensorFlow Lite サポート ライブラリは、モデル インターフェースのカスタマイズと推論パイプラインの構築に役立つクロス プラットフォーム ライブラリです。これには、前処理および後処理およびデータ変換を実行するためのさまざまなユーティリティ メソッドとデータ構造が含まれています。また、TF.Image や TF.Text などの TensorFlow モジュールの動作と一致するように設計されており、トレーニングから推論までの整合性が確保されます。
メタデータを使用して事前トレーニング済みモデルを調べる
Kaggle モデルを参照して、ビジョンタスクとテキストタスクの両方のメタデータを含む事前トレーニング済みモデルをダウンロードします。メタデータの可視化のさまざまなオプションもご覧ください。
TensorFlow Lite Support GitHub リポジトリ
その他の例とソースコードについては、TensorFlow Lite サポートの GitHub リポジトリをご覧ください。