Ringkasan
Library TensorFlow Lite Model Maker menyederhanakan proses pelatihan model TensorFlow Lite menggunakan set data kustom. Model ini menggunakan transfer learning untuk mengurangi jumlah data pelatihan yang diperlukan dan mempersingkat waktu pelatihan.
Tugas yang Didukung
Library Model Maker saat ini mendukung tugas ML berikut. Klik link di bawah untuk melihat panduan cara melatih model.
| Tugas yang Didukung | Utilitas Tugas |
|---|---|
| Klasifikasi Gambar: tutorial, api | Mengklasifikasikan gambar ke dalam kategori yang telah ditentukan. |
| Deteksi Objek: tutorial, api | Mendeteksi objek secara real time. |
| Klasifikasi Teks: tutorial, api | Mengklasifikasikan teks ke dalam kategori yang telah ditentukan. |
| Jawaban Pertanyaan BERT: tutorial, api | Menemukan jawaban dalam konteks tertentu untuk pertanyaan tertentu dengan BERT. |
| Klasifikasi Audio: tutorial, api | Mengklasifikasikan audio ke dalam kategori yang telah ditentukan. |
| Rekomendasi: demo, api | Merekomendasikan item berdasarkan informasi konteks untuk skenario di perangkat. |
| Pencari: tutorial, api | Menelusuri teks atau gambar serupa dalam database. |
Jika tugas Anda tidak didukung, pertama-tama gunakan TensorFlow untuk melatih ulang model TensorFlow dengan transfer learning (mengikuti panduan seperti gambar, teks, audio) atau latih dari awal, lalu konversikan ke model TensorFlow Lite.
Contoh End-to-End
Model Maker memungkinkan Anda melatih model TensorFlow Lite menggunakan set data kustom hanya dengan beberapa baris kode. Misalnya, berikut adalah langkah-langkah untuk melatih model klasifikasi gambar.
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/')
Untuk mengetahui detail selengkapnya, lihat panduan klasifikasi gambar.
Penginstalan
Ada dua cara untuk menginstal Model Maker.
- Instal paket pip yang telah dibuat sebelumnya.
pip install tflite-model-maker
Jika Anda ingin menginstal versi malam, ikuti perintah berikut:
pip install tflite-model-maker-nightly
- Clone kode sumber dari GitHub dan instal.
git clone https://github.com/tensorflow/examples
cd examples/tensorflow_examples/lite/model_maker/pip_package
pip install -e .
TensorFlow Lite Model Maker bergantung pada paket pip TensorFlow. Untuk driver GPU, lihat panduan GPU atau panduan penginstalan TensorFlow.
Referensi Python API
Anda dapat menemukan API publik Model Maker di referensi API.