تتوفّر مجموعة متنوعة من النماذج الجاهزة والمفتوحة المصدر التي يمكنك استخدامها على الفور مع LiteRT لإنجاز العديد من مهام تعلُّم الآلة. يتيح لك استخدام نماذج LiteRT المدرَّبة مسبقًا إضافة وظائف تعلُّم الآلة إلى تطبيقك على الأجهزة الجوّالة والأجهزة الطرفية بسرعة، بدون الحاجة إلى إنشاء نموذج وتدريبه. يساعدك هذا الدليل في العثور على النماذج المدرَّبة وتحديدها لاستخدامها مع LiteRT.
يمكنك البدء في تصفّح مجموعة كبيرة من النماذج على نماذج Kaggle.
العثور على نموذج لتطبيقك
قد يكون العثور على نموذج LiteRT حالي لحالة الاستخدام أمرًا صعبًا حسب ما تحاول تحقيقه. في ما يلي بعض الطرق المقترَحة لاكتشاف النماذج التي يمكن استخدامها مع LiteRT:
حسب المثال: أسرع طريقة للعثور على النماذج والبدء في استخدامها مع TensorFlow Lite هي تصفّح قسم أمثلة LiteRT للعثور على نماذج تنفّذ مهمة مشابهة لحالة الاستخدام الخاصة بك. يقدّم هذا الكتالوج المختصر للأمثلة نماذج لحالات الاستخدام الشائعة مع شروحات للنماذج ورمز نموذجي لمساعدتك في البدء بتشغيلها واستخدامها.
حسب نوع إدخال البيانات: بالإضافة إلى البحث عن أمثلة مشابهة لحالة الاستخدام، يمكنك أيضًا استكشاف النماذج المناسبة لحالتك من خلال تحديد نوع البيانات التي تريد معالجتها، مثل البيانات الصوتية أو النصية أو الصور أو الفيديوهات. غالبًا ما يتم تصميم نماذج تعلُّم الآلة لاستخدامها مع أحد أنواع البيانات هذه، لذا فإنّ البحث عن نماذج تتعامل مع نوع البيانات الذي تريد استخدامه يمكن أن يساعدك في تضييق نطاق النماذج التي يجب أخذها في الاعتبار.
في ما يلي قائمة بروابط تؤدي إلى نماذج LiteRT على Kaggle Models لحالات الاستخدام الشائعة:
- نماذج تصنيف الصور
- نماذج رصد الأجسام
- نماذج تصنيف النصوص
- نماذج تضمين النص
- نماذج تركيب الكلام الصوتي
- نماذج تضمين الصوت
الاختيار من بين الطُرز المشابهة
إذا كان تطبيقك يتّبع حالة استخدام شائعة، مثل تصنيف الصور أو رصد العناصر، قد تجد نفسك بصدد الاختيار بين عدة نماذج TensorFlow Lite، مع اختلاف حجم الملف الثنائي وحجم إدخال البيانات وسرعة الاستدلال وتقييمات دقة التوقّع. عند الاختيار بين عدد من النماذج، عليك تضييق نطاق خياراتك استنادًا أولاً إلى القيد الأكثر تقييدًا، أي حجم النموذج أو حجم البيانات أو سرعة الاستدلال أو الدقة.
إذا لم تكن متأكدًا من القيد الأكثر تقييدًا، افترض أنّه حجم النموذج واختَر أصغر نموذج متاح. يمنحك اختيار نموذج صغير أكبر قدر من المرونة من حيث الأجهزة التي يمكنك نشر النموذج وتشغيله بنجاح عليها. عادةً ما تقدّم النماذج الأصغر حجمًا استنتاجات أسرع، وتساهم التوقّعات الأسرع بشكل عام في تحسين تجارب المستخدمين النهائيين. عادةً ما تكون معدّلات دقة النماذج الأصغر أقل، لذا قد تحتاج إلى اختيار نماذج أكبر إذا كانت دقة التوقّع هي الشاغل الأساسي لديك.
مصادر النماذج
استخدِم قسم أمثلة LiteRT ونماذج Kaggle كوجهتَين أوليتَين للعثور على النماذج واختيارها لاستخدامها مع TensorFlow Lite. تتضمّن هذه المصادر بشكل عام نماذج حديثة ومنظَّمة لاستخدامها مع LiteRT، كما تتضمّن غالبًا رمزًا برمجيًا نموذجيًا لتسريع عملية التطوير.
نماذج TensorFlow
من الممكن تحويل نماذج TensorFlow العادية إلى تنسيق TensorFlow Lite. لمزيد من المعلومات حول تحويل النماذج، راجِع مستندات TensorFlow Lite Converter. يمكنك العثور على نماذج TensorFlow على نماذج Kaggle وفي TensorFlow Model Garden.