मेटाडेटा वाले मॉडल का अनुमान लगाना, कोड की कुछ लाइनों जितना आसान हो सकता है. TensorFlow Lite के मेटाडेटा में यह जानकारी दी जाती है कि मॉडल क्या करता है और मॉडल को कैसे इस्तेमाल करना है. यह कोड जनरेटर को, आपके लिए अनुमान कोड अपने-आप जनरेट करने में मदद कर सकता है. उदाहरण के लिए, Android Studio ML बाइंडिंग सुविधा या TensorFlow Lite Android कोड जनरेटर का इस्तेमाल करना. इसका इस्तेमाल, आपकी कस्टम अनुमान पाइपलाइन को कॉन्फ़िगर करने के लिए भी किया जा सकता है.
टूल और लाइब्रेरी
TensorFlow Lite, डिप्लॉयमेंट की ज़रूरी शर्तों के अलग-अलग लेवल को पूरा करने के लिए, कई तरह के टूल और लाइब्रेरी उपलब्ध कराता है. उदाहरण के लिए:
Android कोड जनरेटर की मदद से मॉडल इंटरफ़ेस जनरेट करें
मेटाडेटा वाले TensorFlow Lite मॉडल के लिए, ज़रूरी Android रैपर कोड अपने-आप जनरेट होने के दो तरीके हैं:
Android Studio ML मॉडल बाइंडिंग एक टूल है. यह Android Studio में उपलब्ध है. इसकी मदद से, ग्राफ़िकल इंटरफ़ेस के ज़रिए TensorFlow Lite मॉडल को इंपोर्ट किया जा सकता है. Android Studio, प्रोजेक्ट के लिए अपने-आप सेटिंग कॉन्फ़िगर करेगा और मॉडल मेटाडेटा के आधार पर रैपर क्लास जनरेट करेगा.
TensorFlow Lite Code Generator एक एक्ज़ीक्यूटेबल फ़ाइल है, जो मेटाडेटा के आधार पर मॉडल इंटरफ़ेस अपने-आप जनरेट करता है. फ़िलहाल, यह Java के साथ Android पर काम करता है. रैपर कोड,
ByteBufferके साथ सीधे इंटरैक्ट करने की ज़रूरत को खत्म कर देता है. इसके बजाय, डेवलपर, टाइप किए गए ऑब्जेक्ट जैसे किBitmapऔरRectके साथ TensorFlow Lite मॉडल के साथ इंटरैक्ट कर सकते हैं. Android Studio के उपयोगकर्ता, Android Studio ML बाइंडिंग के ज़रिए भी कोडजेन की सुविधा को ऐक्सेस कर सकते हैं.
TensorFlow Lite की सपोर्ट लाइब्रेरी की मदद से, ज़रूरत के मुताबिक अनुमान पाइपलाइन बनाएं
TensorFlow Lite की सपोर्ट लाइब्रेरी, एक क्रॉस-प्लैटफ़ॉर्म लाइब्रेरी है. इससे मॉडल इंटरफ़ेस को पसंद के मुताबिक बनाने और अनुमान वाले पाइपलाइन बनाने में मदद मिलती है. इसमें प्री/पोस्ट प्रोसेसिंग और डेटा कन्वर्ज़न के लिए, इस्तेमाल करने के अलग-अलग तरीके और डेटा स्ट्रक्चर शामिल होते हैं. इसे TF.Image और TF.Text जैसे TensorFlow मॉड्यूल के व्यवहार से मेल खाने के लिए भी डिज़ाइन किया गया है. इससे यह पक्का किया जाता है कि ट्रेनिंग से लेकर अनुमान लगाने तक, सभी सुविधाएं एक जैसी हों.
मेटाडेटा की मदद से, पहले से ट्रेन किए गए मॉडल एक्सप्लोर करना
विज़न और टेक्स्ट टास्क, दोनों के मेटाडेटा के साथ पहले से तैयार किए गए मॉडल डाउनलोड करने के लिए, Kaggle मॉडल ब्राउज़ करें. साथ ही, मेटाडेटा को विज़ुअलाइज़ करने के अलग-अलग विकल्प देखें.
TensorFlow Lite, GitHub रेपो के साथ काम करता है
ज़्यादा उदाहरणों और सोर्स कोड के लिए, TensorFlow Lite की सहायता GitHub रेपो पर जाएं.