Inferência do TensorFlow Lite com metadados

Inferir modelos com metadados pode ser tão fácil quanto algumas linhas de código. Os metadados do TensorFlow Lite contêm uma descrição detalhada do que o modelo faz e como usá-lo. Ele pode capacitar geradores de código para gerar automaticamente o código de inferência para você, como ao usar o recurso de vinculação de ML do Android Studio ou o gerador de código do TensorFlow Lite para Android. Ele também pode ser usado para configurar seu pipeline de inferência personalizado.

Ferramentas e bibliotecas

O TensorFlow Lite oferece variedades de ferramentas e bibliotecas para atender a diferentes níveis de requisitos de implantação, da seguinte maneira:

Gerar uma interface de modelo com geradores de código do Android

Há duas maneiras de gerar automaticamente o código do wrapper do Android necessário para o modelo do TensorFlow Lite com metadados:

  1. A Android Studio ML Model Binding é uma ferramenta disponível no Android Studio para importar um modelo do TensorFlow Lite usando uma interface gráfica. O Android Studio vai definir automaticamente as configurações do projeto e gerar classes de wrapper com base nos metadados do modelo.

  2. O gerador de código do TensorFlow Lite é um executável que gera a interface do modelo automaticamente com base nos metadados. Atualmente, ela é compatível com Android com Java. O código do wrapper elimina a necessidade de interagir diretamente com ByteBuffer. Em vez disso, os desenvolvedores podem interagir com o modelo do TensorFlow Lite usando objetos tipados, como Bitmap e Rect. Os usuários do Android Studio também podem ter acesso ao recurso Codegen pela Android Studio ML Binding.

Crie pipelines de inferência personalizados com a Biblioteca de Suporte do TensorFlow Lite

A Biblioteca de Suporte do TensorFlow Lite é uma biblioteca multiplataforma que ajuda a personalizar a interface do modelo e criar pipelines de inferência. Ele contém variedades de métodos utilitários e estruturas de dados para realizar pré/pós-processamento e conversão de dados. Ele também foi projetado para corresponder ao comportamento dos módulos do TensorFlow, como TF.Image e TF.Text, garantindo a consistência do treinamento à inferência.

Explorar modelos pré-treinados com metadados

Procure Modelos da Kaggle para fazer o download de modelos pré-treinados com metadados para tarefas de visão e texto. Veja também diferentes opções de visualização dos metadados.

Repositório do GitHub de suporte do TensorFlow Lite

Acesse o repositório do GitHub para suporte do TensorFlow Lite para mais exemplos e código-fonte.