نظرة عامة على الإحالات الناجحة للنماذج

تمّ في الأصل إنشاء نماذج تعلّم الآلة (ML) التي تستخدمها مع TensorFlow Lite وتدريبها باستخدام مكتبات وأدوات TensorFlow الأساسية. بعد إنشاء نموذج يتضمّن نواة TensorFlow، يمكنك تحويله إلى تنسيق نموذج تعلُّم الآلة الأصغر حجمًا والأكثر كفاءة يُسمى نموذج TensorFlow Lite. يقدّم هذا القسم إرشادات حول تحويل نماذج TensorFlow إلى تنسيق نموذج TensorFlow Lite.

سير عمل الإحالة الناجحة

يمكن أن يؤدي تحويل نماذج TensorFlow إلى تنسيق TensorFlow Lite إلى اتّخاذ بعض المسارات استنادًا إلى محتوى نموذج تعلُّم الآلة الخاص بك. كخطوة أولى من هذه العملية، يجب عليك تقييم نموذجك لتحديد ما إذا كان يمكن تحويله بشكل مباشر أم لا. يحدّد هذا التقييم ما إذا كان محتوى النموذج متوافقًا مع بيئات وقت تشغيل TensorFlow Lite العادية استنادًا إلى عمليات TensorFlow التي تستخدمها. إذا كان نموذجك يستخدم عمليات خارج المجموعة المتوافقة، يمكنك إعادة بناء نموذجك أو استخدام أساليب تحويل متقدمة.

يوضِّح المخطّط أدناه الخطوات العالية المستوى في تحويل أيّ نموذج.

سير عمل الإحالات الناجحة باستخدام TFLite

الشكل 1. سير عمل الإحالات الناجحة من TensorFlow Lite

توضّح الأقسام التالية عملية تقييم النماذج وتحويلها لاستخدامها مع TensorFlow Lite.

تنسيقات نماذج الإدخال

يمكنك استخدام المحوّل مع تنسيقات نماذج الإدخال التالية:

  • SavedModel (مقترَح): نموذج TensorFlow تم حفظه كمجموعة من الملفات على القرص.
  • نموذج Keras: هو نموذج تم إنشاؤه باستخدام واجهة برمجة تطبيقات Keras عالية المستوى.
  • تنسيق Keras H5: بديل بسيط لتنسيق SaveModel المتوافق مع واجهة برمجة تطبيقات Keras.
  • نماذج مصممة من دوال ملموسة: نموذج تم إنشاؤه باستخدام واجهة برمجة تطبيقات TensorFlow المنخفضة المستوى.

يمكنك حفظ كل من نموذج Keras والدوال الملموسة كSaveModel والتحويل باستخدام المسار المقترح.

إذا كان لديك نموذج Jax، يمكنك استخدام واجهة برمجة التطبيقات TFLiteConverter.experimental_from_jax لتحويله إلى تنسيق TensorFlow Lite. لاحظ أن واجهة برمجة التطبيقات هذه عرضة للتغيير أثناء الوضع التجريبي.

تقييم الإحالات الناجحة

يُعدّ تقييم النموذج خطوة مهمّة قبل محاولة تحويله. عند التقييم، فأنت تريد تحديد ما إذا كان محتوى نموذجك متوافقًا مع تنسيق TensorFlow Lite. كما يجب عليك تحديد ما إذا كان نموذجك مناسبًا للاستخدام على الأجهزة المحمولة والحوافية من حيث حجم البيانات التي يستخدمها النموذج، ومتطلبات معالجة الأجهزة، والحجم الإجمالي للنموذج ومدى تعقيده.

في العديد من الطرازات، ينبغي أن يعمل المحوّل بطريقة غير تقليدية. بالرغم من ذلك، فإنّ مكتبة عوامل التشغيل المدمَجة في TensorFlow Lite تتوافق مع مجموعة فرعية من عوامل التشغيل الأساسية في TensorFlow، ما يعني أنّ بعض النماذج قد تحتاج إلى خطوات إضافية قبل التحويل إلى TensorFlow Lite. بالإضافة إلى ذلك، تفرض بعض العمليات المتوافقة مع TensorFlow Lite قيود استخدام متطلبات الاستخدام لأسباب تتعلّق بالأداء. يمكنك الاطّلاع على دليل التوافق مع مشغِّل شبكة الجوّال لتحديد ما إذا كان نموذجك بحاجة إلى إعادة الهيكلة من أجل تحقيق الإحالة الناجحة.

الإحالة الناجحة للنموذج

يستخدم المحوّل TensorFlow Lite نموذج TensorFlow وينشئ نموذج TensorFlow Lite (تنسيق FlatBuffer محسَّن والذي يتم تحديده من خلال امتداد الملف .tflite). يمكنك تحميل SaveModel أو تحويل النموذج الذي تنشئه مباشرةً في الترميز.

يأخذ محرِّر الإحالات الناجحة 3 علامات (أو خيارات) رئيسية تخصِّص الإحالة الناجحة لنموذجك:

  1. تسمح لك علامات التوافق بتحديد ما إذا كان التحويل يجب أن يسمح بالمشغلات المخصّصة.
  2. تسمح لك علامات التحسين بتحديد نوع التحسين الذي سيتم تطبيقه أثناء الإحالة الناجحة. يتمثل أسلوب التحسين الأكثر شيوعًا في تأهيل ما بعد التدريب.
  3. تسمح لك علامات البيانات الوصفية بإضافة بيانات وصفية إلى النموذج الذي تم تحويله، ما يسهّل إنشاء رمز برنامج تضمين خاص بالنظام الأساسي عند نشر النماذج على الأجهزة.

يمكنك تحويل النموذج باستخدام واجهة برمجة تطبيقات Python أو أداة سطر الأوامر. يمكنك الاطّلاع على دليل تحويل نموذج TF للحصول على تعليمات مفصَّلة حول تشغيل أداة الإحالة الناجحة في نموذجك.

يمكنك عادةً تحويل نموذجك ليتوافق مع بيئة وقت تشغيل TensorFlow Lite العادية أو بيئة وقت تشغيل "خدمات Google Play" على TensorFlow Lite (الإصدار التجريبي). تتطلب بعض حالات الاستخدام المتقدّمة تخصيص بيئة وقت تشغيل النموذج، ما يتطلّب خطوات إضافية في عملية الإحالة الناجحة. يمكنك الاطّلاع على قسم بيئة وقت التشغيل المتقدمة ضمن صفحة النظرة العامة على Android للحصول على مزيد من الإرشادات.

التحويل المتقدم

إذا واجهت أخطاء أثناء تشغيل المحوّل على النموذج، من المرجَّح أن تكون لديك مشكلة متعلّقة بتوافق مع المشغّل. ليست كل عمليات TensorFlow متوافقة مع TensorFlow Lite. يمكنك معالجة هذه المشاكل من خلال إعادة تنظيم النموذج أو باستخدام خيارات تحويل متقدّمة تتيح لك إنشاء نموذج تنسيق TensorFlow Lite تعديل وبيئة تشغيل مخصّصة لهذا النموذج.

  • راجِع نظرة عامة على توافق النماذج للحصول على مزيد من المعلومات حول اعتبارات التوافق بين نموذج TensorFlow وTensorFlow Lite.
  • وتتناول المواضيع الواردة ضمن "نظرة عامة على توافق النموذج" الأساليب المتقدمة لإعادة بناء نموذجك، مثل دليل اختيار عوامل التشغيل.
  • للحصول على القائمة الكاملة للعمليات والقيود، يُرجى الاطّلاع على صفحة TensorFlow Lite Ops.

الخطوات التالية