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 necessários e diminuir o tempo de treinamento.
Tarefas compatíveis
No momento, a biblioteca do Model Maker é compatível com as seguintes tarefas de ML. Clique nos links abaixo para acessar 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 | Detectar objetos em tempo real. |
| Classificação de texto: tutorial, API | Classificar texto em categorias predefinidas. |
| Respostas a perguntas com o BERT: tutorial, API | Encontre a resposta em um determinado contexto para uma pergunta específica com BERT. |
| Classificação de áudio: tutorial, API | Classificar áudio em categorias predefinidas. |
| Recomendação: demo, api | Recomendar itens com base nas informações de contexto para o cenário no dispositivo. |
| Pesquisador: tutorial, api | Pesquisar texto ou imagem semelhante em um banco de dados. |
Se as suas tarefas não forem compatíveis, primeiro use o TensorFlow para treinar novamente um modelo do TensorFlow com aprendizado por transferência (seguindo guias como imagens, texto, áudio) ou treine do zero e converta para um modelo do TensorFlow Lite.
Exemplo completo
Com o Model Maker, é possível treinar um modelo do TensorFlow Lite usando conjuntos de dados personalizados em apenas algumas linhas de código. Por exemplo, estas são as etapas para treinar um modelo de classificação de imagens.
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 quiser 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 pacote pip do TensorFlow. Para drivers de GPU, consulte o guia de GPU ou o guia de instalação do TensorFlow.
Referência da API Python
Confira as APIs públicas do Model Maker na referência da API.