Pek çok makine öğrenimi görevini tamamlamak için TensorFlow Lite ile hemen kullanabileceğiniz, önceden eğitilmiş çeşitli açık kaynaklı modeller vardır. Önceden eğitilmiş TensorFlow Lite modellerini kullanmak, bir model oluşturup eğitmek zorunda kalmadan mobil ve uç cihaz uygulamanıza hızlı bir şekilde makine öğrenimi işlevi eklemenizi sağlar. Bu kılavuz, TensorFlow Lite ile kullanılacak eğitilmiş modelleri bulup karar vermenize yardımcı olur.
Kaggle Modelleri üzerinden geniş bir model grubuna göz atmaya başlayabilirsiniz.
Uygulamanız için bir model bulun
Kullanım alanınız için mevcut bir TensorFlow Lite modelini bulmak amacınıza bağlı olarak zor olabilir. TensorFlow Lite ile kullanılacak modelleri keşfetmeniz için önerilen birkaç yöntemi burada bulabilirsiniz:
Örneğin: TensorFlow Lite ile modelleri bulup kullanmaya başlamanın en hızlı yolu, kullanım alanınıza benzer bir görev gerçekleştiren modelleri bulmak için TensorFlow Lite Örnekleri bölümüne göz atmaktır. Bu kısa örnek kataloğu, yaygın kullanım alanlarına yönelik modeller ve ilgili modelleri çalıştırmaya ve kullanmaya başlamanıza yardımcı olacak örnek kodlar sunar.
Veri giriş türüne göre: Kullanım alanınıza benzer örneklere bakmanın yanı sıra, kendi kullanımınıza uygun modelleri keşfetmenin bir başka yolu da, işlemek istediğiniz veri (ses, metin, resim veya video verileri gibi) türünü göz önünde bulundurmaktır. Makine öğrenimi modelleri genellikle bu veri türlerinden biriyle kullanılacak şekilde tasarlanmıştır. Bu nedenle, kullanmak istediğiniz veri türünü işleyen modeller bulmak, hangi modelleri değerlendireceğinizi belirlemenize yardımcı olabilir.
Aşağıda, yaygın kullanım alanları için Kaggle Modelleri üzerindeki TensorFlow Lite modellerine bağlantılar listelenmiştir:
- Görüntü sınıflandırma modelleri
- Nesne algılama modelleri
- Metin sınıflandırma modelleri
- Metin yerleştirme modelleri
- Sesli konuşma sentezi modelleri
- Ses yerleştirme modelleri
Benzer modeller arasından seçim yapın
Uygulamanız görüntü sınıflandırma veya nesne algılama gibi yaygın bir kullanım alanına tabiyse farklı ikili program boyutları, veri girişi boyutları, çıkarım hızları ve tahmin doğruluğu derecelendirmelerine sahip birden fazla TensorFlow Lite modeli arasında karar vermek zorunda kalabilirsiniz. Bir dizi model arasında karar verirken öncelikle en sınırlayıcı kısıtlamanıza (model boyutu, verilerin boyutu, çıkarım hızı veya doğruluk) göre seçeneklerinizi daraltmanız gerekir.
En sınırlayıcı kısıtlamanızın ne olduğundan emin değilseniz bunun modelin boyutu olduğunu varsayın ve mevcut en küçük modeli seçin. Küçük bir model seçmek, modeli başarıyla dağıtıp çalıştırabileceğiniz cihazlar açısından en fazla esnekliği sağlar. Ayrıca, daha küçük modeller genellikle daha hızlı çıkarımlar üretir ve daha hızlı tahminler genellikle daha iyi son kullanıcı deneyimleri sağlar. Daha küçük modellerin doğruluk oranları genellikle daha düşüktür. Bu nedenle, önceliğiniz tahmin doğruluğuysa daha büyük modeller seçmeniz gerekebilir.
Model kaynakları
TensorFlow Lite ile kullanılacak modelleri bulmak ve seçmek için ilk hedefiniz olarak TensorFlow Lite Örnekler bölümünü ve Kaggle Modelleri'ni kullanın. Bu kaynaklar genellikle TensorFlow Lite ile kullanılacak güncel ve seçilmiş modeller içerir ve geliştirme sürecinizi hızlandırmak için genellikle 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 Kaggle Models ve TensorFlow ModelGarden'da bulabilirsiniz.