ऐसे कई ओपन सोर्स मॉडल हैं जिन्हें पहले से ट्रेनिंग दी गई है. इन्हें TensorFlow Lite के साथ, मशीन लर्निंग से जुड़े कई टास्क को तुरंत पूरा करने के लिए इस्तेमाल किया जा सकता है. पहले से ट्रेन किए गए TensorFlow Lite मॉडल का इस्तेमाल करके, मोबाइल और किनारे वाले डिवाइस ऐप्लिकेशन में मशीन लर्निंग के काम करने के तरीके तुरंत जोड़े जा सकते हैं. इसके लिए, मॉडल बनाने और ट्रेनिंग की ज़रूरत नहीं होती. इस गाइड से आपको TensorFlow Lite के साथ इस्तेमाल करने के लिए, ट्रेन किए गए मॉडल खोजने और उन्हें चुनने में मदद मिलेगी.
Kaggle मॉडल पर कई मॉडल ब्राउज़ करना शुरू किया जा सकता है.
अपने ऐप्लिकेशन के लिए मॉडल ढूंढना
मौजूदा TensorFlow Lite मॉडल को, इस्तेमाल के उदाहरण के हिसाब से ढूंढना इस बात पर निर्भर करता है कि आपको क्या करना है. TensorFlow Lite के साथ इस्तेमाल के लिए मॉडल खोजने के कुछ तरीके यहां सुझाए गए हैं:
उदाहरण के तौर पर: TensorFlow Lite के साथ मॉडल ढूंढने और इस्तेमाल करने का सबसे तेज़ तरीका है, TensorFlow Lite के उदाहरण सेक्शन को ब्राउज़ करना है. इससे आपको ऐसे मॉडल ढूंढने में मदद मिलेगी जो आपके इस्तेमाल के उदाहरण से मिलता-जुलता टास्क कर सकें. उदाहरणों के इस छोटे कैटलॉग में, इस्तेमाल के सामान्य उदाहरणों के साथ मॉडल की जानकारी दी गई है. साथ ही, सैंपल कोड के बारे में भी बताया गया है, ताकि आप उन्हें चलाना और इस्तेमाल करना शुरू कर सकें.
डेटा इनपुट के टाइप के हिसाब से: अपने इस्तेमाल के उदाहरण से मिलते-जुलते उदाहरण देखने के अलावा, अपने इस्तेमाल के लिए मॉडल खोजने का एक और तरीका है कि उस तरह के डेटा के बारे में सोचें जिसे आपको प्रोसेस करना है. जैसे, ऑडियो, टेक्स्ट, इमेज या वीडियो डेटा. मशीन लर्निंग मॉडल को अक्सर इनमें से किसी एक डेटा का इस्तेमाल करने के लिए डिज़ाइन किया जाता है. इसलिए, आपको जिस तरह के डेटा का इस्तेमाल करना है उसे हैंडल करने वाले मॉडल ढूंढने से यह तय करने में मदद मिल सकती है कि आपको किन मॉडल का इस्तेमाल करना है.
नीचे दी गई सूची में, इस्तेमाल के सामान्य उदाहरणों के लिए Kaggle मॉडल के TensorFlow Lite मॉडल के लिंक दिए गए हैं:
- इमेज क्लासिफ़िकेशन मॉडल
- ऑब्जेक्ट की पहचान करने वाले मॉडल
- टेक्स्ट क्लासिफ़िकेशन मॉडल
- टेक्स्ट एम्बेड करने मॉडल
- ऑडियो स्पीच सिंथेसिस मॉडल
- ऑडियो एम्बेड करने मॉडल
मिलते-जुलते मॉडल में से कोई एक चुनें
अगर ऐप्लिकेशन, इस्तेमाल के किसी सामान्य उदाहरण, जैसे कि इमेज क्लासिफ़िकेशन या ऑब्जेक्ट की पहचान करने जैसे सामान्य उदाहरण का पालन करता है, तो हो सकता है कि आपको TensorFlow के कई लाइट मॉडल इस्तेमाल करने हों. इनमें बाइनरी साइज़, डेटा इनपुट का साइज़, अनुमानित स्पीड, और अनुमान के सटीक होने की रेटिंग अलग-अलग होती हैं. कई मॉडल में से कोई भी मॉडल चुनते समय, आपको सबसे पहले इन चीज़ों के आधार पर विकल्प चुनने चाहिए: मॉडल का साइज़, डेटा का साइज़, अनुमानित स्पीड या सटीक.
अगर आपको नहीं पता कि आपके लिए सबसे छोटा मॉडल क्या है, तो मान लें कि यह मॉडल का साइज़ है और सबसे छोटा उपलब्ध मॉडल चुनें. छोटा मॉडल चुनने से, आपको उन डिवाइसों के मामले में सबसे ज़्यादा सुविधाएं मिलती हैं जहां मॉडल को डिप्लॉय किया जा सकता है और चलाया जा सकता है. आम तौर पर, छोटे मॉडल भी तेज़ी से अनुमान लगाते हैं. साथ ही, तेज़ी से अनुमान लगाने वाले मॉडल आम तौर पर असली उपयोगकर्ताओं के अनुभव को बेहतर बनाते हैं. आम तौर पर, छोटे मॉडल के सटीक होने की दर कम होती है. इसलिए, अगर अनुमान के सटीक होने को लेकर आपकी सबसे बड़ी प्राथमिकता है, तो आपको बड़े मॉडल चुनने की ज़रूरत पड़ सकती है.
मॉडल के लिए सोर्स
TensorFlow Lite के साथ इस्तेमाल करने के लिए, मॉडल खोजने और चुनने के लिए, TensorFlow Lite के उदाहरण सेक्शन और Kaggle मॉडल को सबसे पहले डेस्टिनेशन के तौर पर इस्तेमाल करें. आम तौर पर, इन सोर्स में अप-टू-डेट जानकारी होती है और TensorFlow Lite के साथ इस्तेमाल किए जाने वाले चुनिंदा मॉडल होते हैं. साथ ही, इन सोर्स में अक्सर सैंपल कोड शामिल किया जाता है, ताकि आपकी डेवलपमेंट प्रोसेस तेज़ी से की जा सके.
TensorFlow के मॉडल
सामान्य TensorFlow मॉडल को TensorFlow Lite फ़ॉर्मैट में बदलना मुमकिन है. मॉडल को कन्वर्ट करने वाले मॉडल के बारे में ज़्यादा जानने के लिए, TensorFlow Lite Converter दस्तावेज़ देखें. TensorFlow के मॉडल Kaggle मॉडल और TensorFlow मॉडल गार्डन में देखे जा सकते हैं.