Birçok makine öğrenimi görevini gerçekleştirmek için TensorFlow Lite ile hemen kullanabileceğiniz çeşitli, eğitilmiş ve açık kaynaklı modeller bulunur. Önceden eğitilmiş TensorFlow Lite modellerini kullanmak, model oluşturup eğitmek zorunda kalmadan mobil ve uç cihaz uygulamanıza hızlı bir şekilde makine öğrenimi işlevi eklemenize olanak tanır. Bu kılavuz, TensorFlow Lite ile kullanılacak eğitimli modelleri bulmanıza ve bunlara karar vermenize yardımcı olur.
TensorFlow Hub'da çok sayıda modele göz atmaya başlayabilirsiniz.
Uygulamanız için bir model bulma
Kullanım alanınız için mevcut bir TensorFlow Lite modeli bulmak, neyi başarmaya çalıştığınıza bağlı olarak zor olabilir. TensorFlow Lite ile kullanılacak modelleri keşfetmek için önerilen birkaç yöntemi aşağıda bulabilirsiniz:
Örnek: TensorFlow Lite ile modelleri bulup kullanmaya başlamanın en hızlı yolu, kullanım alanınıza benzer bir görevi gerçekleştiren modelleri bulmak için TensorFlow Lite Örnekleri bölümüne göz atmaktır. Bu kısa örnek kataloğu, yaygın kullanım alanları için modellerin açıklamalarıyla ve bunları çalıştırmaya ve kullanmaya başlamanıza yardımcı olacak örnek kodla birlikte sağlanır.
Veri girişi türüne göre: Kullanım alanınıza benzer örneklere bakmanın yanı sıra, kendi kullanımınıza uygun modelleri keşfetmenin başka bir yolu da ses, metin, resim veya video verileri gibi işlemek istediğiniz veri türünü göz önünde bulundurmaktır. Makine öğrenimi modelleri, genellikle bu veri türlerinden biriyle kullanım için tasarlanmıştır. Bu nedenle, kullanmak istediğiniz veri türünü işleyen modeller bulmak, dikkate alınacak modelleri daraltmanıza yardımcı olabilir.
Aşağıda, yaygın kullanım alanları için TensorFlow Hub'daki TensorFlow Lite modellerine bağlantılar listelenmiştir:
- Görüntü sınıflandırma modelleri
- Nesne algılama modelleri
- Metin sınıflandırma modelleri
- Metin yerleştirme modelleri
- Ses konuşma sentezi modelleri
- Ses yerleştirme modelleri
Benzer modeller arasından seçim yapma
Uygulamanız, görüntü sınıflandırma veya nesne algılama gibi yaygın bir kullanım alanını takip ediyorsa değişen ikili program boyutu, veri girişi boyutu, çıkarım hızı ve tahmin doğruluğu derecelendirmelerine sahip birden fazla TensorFlow Lite modeli arasında karar vermek zorunda kalabilirsiniz. Birkaç model arasında karar verirken, öncelikle seçeneklerinizi en sınırlayıcı kısıtlamanıza (modelin boyutu, verilerin boyutu, çıkarım hızı veya doğruluk) göre daraltmanız gerekir.
En sınırlayıcı kısıtlamanızın ne olduğundan emin değilseniz bunun modelin boyutunda olduğunu varsayın ve mevcut en küçük modeli seçin. Küçük bir model seçmek, modeli başarıyla dağıtıp çalıştırabileceğiniz cihazlar konusunda size en fazla esnekliği sağlar. Ayrıca, daha küçük modeller genellikle daha hızlı çıkarımlar üretir ve daha hızlı tahminler genellikle daha iyi son kullanıcı deneyimleri oluşturur. Daha küçük modellerin doğruluk oranları genellikle daha düşüktür. Bu nedenle, öncelikli endişeniz tahmin doğruluğu ise daha büyük modeller seçmeniz gerekebilir.
Modellerin kaynakları
TensorFlow Lite ile kullanılacak modelleri bulmak ve seçmek için ilk hedefiniz olarak TensorFlow Lite Örnekler bölümünü ve TensorFlow Hub'ı kullanın. Bu kaynaklar genellikle TensorFlow Lite ile kullanılmak üzere seçilmiş, güncel modellere sahiptir ve geliştirme sürecinizi hızlandırmak için sıklıkla örnek kod içerir.
TensorFlow modelleri
Normal TensorFlow modellerini TensorFlow Lite biçimine dönüştürmek mümkündür. Modelleri dönüştürme hakkında daha fazla bilgi için TensorFlow Lite Converter belgelerine bakın. TensorFlow modellerini, TensorFlow Hub'da ve TensorFlow Model Bahçesi'nde bulabilirsiniz.