هناك مجموعة متنوعة من النماذج مفتوحة المصدر المدربة مسبقًا التي يمكنك استخدامها فورًا مع TensorFlow Lite لإنجاز العديد من مهام التعلم الآلي. يتيح لك استخدام نماذج TensorFlow Lite المُدرَّبة مسبقًا إضافة وظائف تعلُّم الآلة إلى تطبيقات الأجهزة الجوّالة والتطبيقات المتقدمة بسرعة، بدون الحاجة إلى إنشاء نموذج وتدريبه. يساعدك هذا الدليل في العثور على النماذج المُدرَّبة واختيارها لاستخدامها مع TensorFlow Lite.
يمكنك البدء في تصفُّح مجموعة كبيرة من النماذج على نماذج Kaggle.
العثور على نموذج لتطبيقك
قد يكون العثور على نموذج TensorFlow Lite الحالي لحالة الاستخدام أمرًا صعبًا اعتمادًا على ما تحاول إنجازه. إليك بعض الطرق المقترَحة لاكتشاف النماذج للاستخدام مع TensorFlow Lite:
على سبيل المثال: أسرع طريقة للعثور على النماذج وبدء استخدامها مع TensorFlow Lite هي الانتقال إلى قسم أمثلة على TensorFlow Lite للعثور على النماذج التي تؤدي مهمة مشابهة لحالة الاستخدام لديك. يوفر هذا الكتالوج القصير للأمثلة نماذج لحالات الاستخدام الشائعة مع تفسيرات للنماذج ونموذج التعليمات البرمجية لمساعدتك في البدء في تشغيلها واستخدامها.
حسب نوع إدخال البيانات: بصرف النظر عن الاطّلاع على أمثلة مشابهة لحالة استخدامك، هناك طريقة أخرى لاكتشاف النماذج لاستخدامك الخاص وهي دراسة نوع البيانات التي تريد معالجتها، مثل بيانات الصوت أو النص أو الصور أو الفيديو. يتم تصميم نماذج تعلُّم الآلة بشكل متكرر للاستخدام مع أحد هذه الأنواع من البيانات، لذا فإنّ البحث عن النماذج التي تتعامل مع نوع البيانات الذي تريد استخدامه يمكن أن يساعدك على تضييق نطاق النماذج التي يجب مراعاتها.
تشتمل القوائم التالية على روابط لنماذج TensorFlow Lite على نماذج Kaggle لحالات الاستخدام الشائعة:
- نماذج تصنيف الصور
- نماذج اكتشاف الكائنات
- نماذج تصنيف النص
- نماذج تضمين النص
- نماذج تركيب الكلام
- نماذج تضمين الصوت
الاختيار من بين نماذج مماثلة
إذا كان تطبيقك يتّبع حالة استخدام شائعة، مثل تصنيف الصور أو رصد الكائنات، قد تجد نفسك تتخذ قرارًا من بين عدة نماذج من TensorFlow Lite يتباين فيها حجم البرنامج الثنائي وحجم إدخال البيانات وسرعة الاستنتاج وتقييمات دقة التوقّع. عند الاختيار من بين عدد من النماذج، يجب عليك تضييق نطاق خياراتك بناءً على القيد الأكثر تقييدًا: حجم النموذج، أو حجم البيانات، أو سرعة الاستنتاج، أو الدقة.
إذا لم تكن متأكدًا من القيد الأكثر تقييدًا، افترض أنه حجم النموذج واختر أصغر نموذج متاح. ويمنحك اختيار نموذج صغير أكبر قدر من المرونة في ما يخص الأجهزة التي يمكنك من خلالها نشر النموذج وتشغيله بنجاح. أمّا النماذج الأصغر حجمًا، فتقدّم عادةً استنتاجات أسرع، وتوفّر التوقّعات الأسرع بشكل عام تجارب أفضل للمستخدم النهائي. وتحتوي النماذج الأصغر عادةً على معدلات دقة أقل، لذا قد تحتاج إلى اختيار نماذج أكبر إذا كانت دقة التوقّع هي مصدر قلقك الرئيسي.
مصادر النماذج
استخدِم قسم أمثلة على TensorFlow Lite ونماذج Kaggle كوجهتك الأولى للعثور على النماذج واختيارها لاستخدامها مع TensorFlow Lite. وتتضمّن هذه المصادر عادةً نماذج محدَّثة ومنظَّمة للاستخدام مع TensorFlow Lite، وغالبًا ما تتضمّن رموزًا نموذجية لتسريع عملية التطوير.
طُرز TensorFlow
من الممكن تحويل نماذج TensorFlow العادية إلى تنسيق TensorFlow Lite. لمزيد من المعلومات حول تحويل النماذج، اطّلِع على مستندات TensorFlow Lite Converter. يمكنك العثور على طُرز TensorFlow على نماذج Kaggle وفي حديقة نموذج TensorFlow.