יש מגוון מודלים של קוד פתוח שכבר אומנו לשימוש מיידי ב-TensorFlow Lite, שאפשר להשתמש בהם כדי לבצע הרבה משימות של למידת מכונה. שימוש במודלים של TensorFlow Lite שעברו אימון מראש מאפשר להוסיף במהירות פונקציונליות של למידת מכונה לאפליקציה בנייד ולמכשיר קצה, בלי שתצטרכו לפתח מודל ולאמן אותו. המדריך הזה יעזור לכם למצוא מודלים מאומנים שיעזרו לכם להשתמש ב-TensorFlow Lite.
תוכלו להתחיל לעיין בקבוצה גדולה של דגמים ב-Kaggle Models.
חיפוש מודל לאפליקציה
לא תמיד קל למצוא מודל TensorFlow Lite קיים לתרחיש לדוגמה שלכם, בהתאם למה שמנסים להשיג. ריכזנו כאן כמה דרכים מומלצות למציאת מודלים לשימוש ב-TensorFlow Lite:
דוגמה: הדרך המהירה ביותר למצוא מודלים ולהתחיל להשתמש בהם באמצעות TensorFlow היא לעיין בקטע דוגמאות של TensorFlow Lite כדי למצוא מודלים שמבצעים משימה שדומה לתרחיש לדוגמה שלכם. קטלוג הדוגמאות הקצר הזה כולל מודלים לתרחישים נפוצים, שכוללים הסברים על המודלים וקוד לדוגמה, כדי לעזור לכם להתחיל לרוץ ולהשתמש בהם.
לפי סוג קלט הנתונים: מלבד עיון בדוגמאות דומות לתרחיש לדוגמה שלכם, דרך נוספת לגלות מודלים לשימוש אישי היא להעריך את סוג הנתונים שרוצים לעבד, כמו נתוני אודיו, טקסט, תמונות או וידאו. מודלים של למידת מכונה מיועדים לעיתים קרובות לשימוש עם אחד מסוגי הנתונים האלה, כך שחיפוש מודלים שמטפלים בסוג הנתונים שבו אתם רוצים להשתמש יכול לצמצם את מספר המודלים שכדאי לשקול.
הרשימה הבאה כוללת קישורים למודלים של TensorFlow Lite ב-Kaggle Models, במקרים נפוצים:
- מודלים של סיווג תמונות
- מודלים של זיהוי אובייקטים
- מודלים של סיווג טקסט
- מודלים של הטמעת טקסט
- מודלים של סינתזת דיבור באודיו
- מודלים של הטמעת אודיו
בחירה בין מודלים דומים
אם האפליקציה שלכם פועלת בהתאם לתרחיש נפוץ כמו סיווג תמונות או זיהוי אובייקטים, יכול להיות שתרצו להחליט בין מספר מודלים של TensorFlow Lite, עם הבדלים בגודל הבינארי, בגודל קלט הנתונים, במהירות ההסקה ובדירוגים של הדיוק בחיזוי. כשאתם מחליטים בין מספר מודלים, צריך לצמצם קודם את האפשרויות בהתאם לאילוץ המגביל ביותר שלכם: גודל המודל, גודל הנתונים, מהירות ההסקה או דיוק.
אם אתם לא בטוחים מה האילוץ המגביל ביותר שלכם, מניחים שזה גודל המודל של המודל ובוחרים את המודל הקטן ביותר שזמין. בחירה של מודל קטן נותנת את הגמישות הרבה ביותר מבחינת המכשירים שבהם אפשר לפרוס ולהפעיל את המודל בהצלחה. מודלים קטנים יותר בדרך כלל גם מייצרים מסקנות מהר יותר, ותחזיות מהירות יותר בדרך כלל מובילות לחוויית משתמש טובה יותר. במודלים קטנים יותר יש בדרך כלל שיעורי דיוק נמוכים יותר, לכן יכול להיות שתצטרכו לבחור מודלים גדולים יותר אם החיזוי הוא מדויק.
מקורות למודלים
השתמשו בקטע TensorFlow Lite דוגמאות ובמודלים של Kaggle כיעדים הראשונים לחיפוש ולבחירת מודלים לשימוש עם TensorFlow Lite. בדרך כלל, למקורות האלה יש מודלים שנאספו לשימוש ב-TensorFlow Lite, ולעיתים קרובות הם כוללים קוד לדוגמה כדי להאיץ את תהליך הפיתוח.
מודלים של TensorFlow
אפשר להמיר מודלים רגילים של TensorFlow לפורמט TensorFlow Lite. למידע נוסף על המרת מודלים, עיינו במאמרי העזרה של TensorFlow Lite Converter. אפשר למצוא מודלים של TensorFlow ב-Kaggle Models וב-TensorFlow Model Garden.