Visão geral
A biblioteca do TensorFlow Lite Model Maker simplifica o processo de treinamento de um Modelo do TensorFlow Lite usando um conjunto de dados personalizado. Ele usa o aprendizado por transferência para reduzir a quantidade de dados de treinamento necessária e reduzir o tempo de treinamento.
Tarefas compatíveis
Atualmente, a biblioteca do Model Maker é compatível com as seguintes tarefas de ML. Clique no botão links abaixo para guias sobre como treinar o modelo.
| Tarefas compatíveis | Utilitário de tarefas |
|---|---|
| Classificação de imagens: tutorial, api | classificar imagens em categorias predefinidas. |
| Detecção de objetos: tutorial, api | Detecte objetos em tempo real. |
| Classificação de texto: tutorial, api | classificar textos em categorias predefinidas. |
| Resposta a perguntas com o BERT: tutorial, api | Com o BERT, você encontra a resposta para uma pergunta em um determinado contexto. |
| Classificação de áudio: tutorial, api | Classificar o áudio em categorias predefinidas. |
| Recomendação: demo, api | Recomendar itens com base nas informações de contexto para o cenário no dispositivo. |
| Pesquisador: tutorial, api | Pesquise textos ou imagens semelhantes em um banco de dados. |
Se não houver suporte para suas tarefas, use primeiro TensorFlow para treinar novamente um modelo do TensorFlow com o aprendizado por transferência (seguindo guias como imagens, texto, áudio) ou treiná-lo do zero e depois convertê-lo no TensorFlow Modelo Lite.
Exemplo completo
O Model Maker permite que você treine um modelo do TensorFlow Lite usando conjuntos de dados personalizados em apenas algumas linhas de código. Por exemplo, estas são as etapas para treinar uma imagem modelo de classificação.
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/')
Para mais detalhes, consulte o guia de classificação de imagens.
Instalação
Há duas maneiras de instalar o Model Maker.
- Instale um pacote pip pré-criado.
pip install tflite-model-maker
Se você deseja instalar a versão noturna, siga o comando:
pip install tflite-model-maker-nightly
- Clone o código-fonte do GitHub e instale.
git clone https://github.com/tensorflow/examples
cd examples/tensorflow_examples/lite/model_maker/pip_package
pip install -e .
O Model Maker do TensorFlow Lite depende do pip do TensorFlow . Para drivers de GPU, consulte o guia de GPU do TensorFlow ou guia de instalação.
Referência da API Python
É possível descobrir as APIs públicas do Model Maker em API como referência.