مدل ساز TensorFlow Lite

نمای کلی

کتابخانه TensorFlow Lite Model Maker فرآیند آموزش یک مدل TensorFlow Lite را با استفاده از مجموعه داده های سفارشی ساده می کند. از یادگیری انتقال برای کاهش داده های آموزشی مورد نیاز و کوتاه کردن زمان آموزش استفاده می کند.

وظایف پشتیبانی شده

کتابخانه Model Maker در حال حاضر از وظایف ML زیر پشتیبانی می کند. برای راهنمایی در مورد نحوه آموزش مدل روی لینک های زیر کلیک کنید.

وظایف پشتیبانی شده Task Utility
طبقه بندی تصاویر: آموزش ، api دسته بندی تصاویر به دسته های از پیش تعریف شده
تشخیص اشیا: آموزش ، api تشخیص اشیاء در زمان واقعی.
طبقه بندی متن: آموزش ، api متن را به دسته های از پیش تعریف شده طبقه بندی کنید.
پاسخ سوال BERT: آموزش ، api پاسخ را در یک زمینه خاص برای یک سوال معین با BERT بیابید.
طبقه بندی صوتی: آموزش ، api صدا را به دسته های از پیش تعریف شده طبقه بندی کنید.
توصیه: نسخه ی نمایشی ، api موارد را بر اساس اطلاعات زمینه برای سناریوی روی دستگاه توصیه کنید.
جستجوگر: آموزش ، api متن یا تصویر مشابه را در پایگاه داده جستجو کنید.

اگر وظایف شما پشتیبانی نمی‌شود، لطفاً ابتدا از TensorFlow برای آموزش مجدد مدل TensorFlow با یادگیری انتقال (به دنبال راهنماهایی مانند تصاویر ، متن ، صدا ) استفاده کنید یا آن را از ابتدا آموزش دهید و سپس آن را به مدل TensorFlow Lite تبدیل کنید .

مثال پایان به انتها

Model Maker به شما امکان می دهد یک مدل TensorFlow Lite را با استفاده از مجموعه داده های سفارشی تنها در چند خط کد آموزش دهید. به عنوان مثال، در اینجا مراحل آموزش یک مدل طبقه بندی تصویر آورده شده است.

from tflite_model_maker import image_classifier
from tflite_model_maker.image_classifier import DataLoader

# Load input data specific to an on-device ML app.
data = DataLoader.from_folder('flower_photos/')
train_data, test_data = data.split(0.9)

# Customize the TensorFlow model.
model = image_classifier.create(train_data)

# Evaluate the model.
loss, accuracy = model.evaluate(test_data)

# Export to Tensorflow Lite model and label file in `export_dir`.
model.export(export_dir='/tmp/')

برای جزئیات بیشتر، راهنمای طبقه بندی تصاویر را ببینید.

نصب و راه اندازی

دو راه برای نصب Model Maker وجود دارد.

  • یک بسته پیپ از پیش ساخته شده را نصب کنید.
pip install tflite-model-maker

اگر می خواهید نسخه شبانه را نصب کنید، لطفاً دستور را دنبال کنید:

pip install tflite-model-maker-nightly
  • کد منبع را از GitHub کلون کرده و نصب کنید.
git clone https://github.com/tensorflow/examples
cd examples/tensorflow_examples/lite/model_maker/pip_package
pip install -e .

TensorFlow Lite Model Maker به بسته Pip TensorFlow بستگی دارد. برای درایورهای GPU، لطفاً به راهنمای GPU یا راهنمای نصب TensorFlow مراجعه کنید.

مرجع پایتون API

می‌توانید APIهای عمومی Model Maker را در مرجع API پیدا کنید.