Descripción general
La biblioteca de TensorFlow Lite Model Maker simplifica el proceso de entrenamiento de un modelo de TensorFlow Lite con un conjunto de datos personalizado. Utiliza el aprendizaje por transferencia para reducir la cantidad de datos de entrenamiento necesarios y acortar el tiempo de entrenamiento.
Tareas admitidas
Actualmente, la biblioteca de Model Maker admite las siguientes tareas de AA: Haz clic en los siguientes vínculos para consultar guías sobre cómo entrenar el modelo.
| Tareas admitidas | Utilidad de la tarea |
|---|---|
| Clasificación de imágenes: instructivo, API | Clasificar imágenes en categorías predefinidas |
| Detección de objetos: instructivo, API | Detecta objetos en tiempo real. |
| Clasificación de texto: Instructivo, API | Clasificar el texto en categorías predefinidas |
| Preguntas y respuestas con BERT: instructivo, API | Encuentra la respuesta en un contexto determinado para una pregunta dada con BERT. |
| Clasificación de audio: tutorial, API | Clasificar el audio en categorías predefinidas |
| Recomendación: demo, api | Recomienda elementos según la información del contexto para la situación en el dispositivo. |
| Buscador: tutorial, api | Buscar texto o imágenes similares en una base de datos |
Si tus tareas no son compatibles, primero usa TensorFlow para volver a entrenar un modelo de TensorFlow con aprendizaje por transferencia (siguiendo guías como imágenes, texto, audio) o entrenarlo desde cero y, luego, convertirlo en un modelo de TensorFlow Lite.
Ejemplo de extremo a extremo
Model Maker te permite entrenar un modelo de TensorFlow Lite con conjuntos de datos personalizados en solo unas pocas líneas de código. Por ejemplo, estos son los pasos para entrenar un modelo de clasificación de imágenes.
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 obtener más detalles, consulta la guía de clasificación de imágenes.
Instalación
Existen dos formas de instalar Model Maker.
- Instala un paquete pip precompilado.
pip install tflite-model-maker
Si deseas instalar la versión nocturna, sigue el comando:
pip install tflite-model-maker-nightly
- Clona el código fuente de GitHub y, luego, instálalo.
git clone https://github.com/tensorflow/examples
cd examples/tensorflow_examples/lite/model_maker/pip_package
pip install -e .
TensorFlow Lite Model Maker depende del paquete pip de TensorFlow. Para los controladores de GPU, consulta la guía de GPU o la guía de instalación de TensorFlow.
Referencia de la API de Python
Puedes encontrar las APIs públicas de Model Maker en la referencia de la API.