مصمم النماذج TensorFlow Lite

نظرة عامة

تسهّل مكتبة TensorFlow Lite Model Maker عملية تدريب نموذج TensorFlow Lite باستخدام مجموعة بيانات مخصّصة. تستخدِم هذه الطريقة التعلّم النقلي لتقليل كمية بيانات التدريب المطلوبة وتقصير وقت التدريب.

المهام المتوافقة

تتيح مكتبة Model Maker حاليًا مهام تعلُّم الآلة التالية. انقر على الروابط أدناه للاطّلاع على أدلة حول كيفية تدريب النموذج.

إذا كانت مهامك غير متوافقة، يُرجى أولاً استخدام TensorFlow لإعادة تدريب نموذج TensorFlow باستخدام التعلّم النقولي (باتّباع أدلة مثل الصور و النصوص و الصوت) أو تدريبه من البداية، ثم تحويله إلى نموذج TensorFlow Lite.

مثال شامل

تتيح لك أداة Model Maker تدريب نموذج TensorFlow Lite باستخدام مجموعات بيانات مخصّصة في بضعة أسطر فقط من الرموز البرمجية. على سبيل المثال، إليك الخطوات اللازمة لتدريب نموذج لتصنيف الصور.

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/')

لمزيد من التفاصيل، يُرجى الاطّلاع على دليل تصنيف الصور.

تثبيت

هناك طريقتان لتثبيت Model Maker.

• تثبيت حزمة pip مُنشأة مسبقًا

pip install tflite-model-maker

إذا أردت تثبيت إصدار ليلي، يُرجى اتّباع الأمر التالي:

pip install tflite-model-maker-nightly

• استنسِخ الرمز المصدر من GitHub وثبِّته.

git clone https://github.com/tensorflow/examples
cd examples/tensorflow_examples/lite/model_maker/pip_package
pip install -e .

تعتمد أداة TensorFlow Lite Model Maker على حزمة pip من TensorFlow. بالنسبة إلى برامج تشغيل وحدة معالجة الرسومات، يُرجى الرجوع إلى دليل وحدة معالجة الرسومات أو دليل التثبيت في TensorFlow.

مرجع واجهة برمجة التطبيقات Python

يمكنك الاطّلاع على واجهات برمجة التطبيقات المتاحة للجميع في Model Maker في مرجع واجهة برمجة التطبيقات.