मेटाडेटा के साथ मॉडल का अनुमान लगाना उतना ही आसान हो सकता है कुछ पंक्तियों का इस्तेमाल करें. LiteRT मेटाडेटा में मॉडल क्या काम करता है और मॉडल का इस्तेमाल कैसे किया जाए. यह कोड जनरेटर को इन कामों के लिए अनुमान कोड अपने-आप जनरेट करता है, जैसे कि Android Studio ML बाइंडिंग सुविधा या LiteRT Android कोड जनरेटर. इसका इस्तेमाल इन कामों के लिए भी किया जा सकता है अपनी कस्टम अनुमान पाइपलाइन कॉन्फ़िगर करें.
टूल और लाइब्रेरी
LiteRT अलग-अलग तरह के टूल और लाइब्रेरी उपलब्ध कराता है, ताकि अलग-अलग स्तर के हिसाब से डिप्लॉयमेंट की ज़रूरत है:
Android कोड जनरेटर की मदद से मॉडल इंटरफ़ेस जनरेट करें
ज़रूरी Android रैपर कोड अपने-आप जनरेट होने के दो तरीके हैं मेटाडेटा वाले LiteRT मॉडल के लिए:
Android Studio ML मॉडल बाइंडिंग टूलिंग के लिए उपलब्ध है ग्राफ़िक की मदद से LiteRT मॉडल को Android Studio में इंपोर्ट किया जा सकता है इंटरफ़ेस पर कॉपी करने की सुविधा मिलती है. Android Studio, प्रोजेक्ट बनाया जा सकता है और मॉडल मेटाडेटा के आधार पर रैपर क्लास जनरेट की जा सकती हैं.
LiteRT कोड जनरेटर एक एक्ज़ीक्यूटेबल फ़ाइल है, जो मेटाडेटा के आधार पर, मॉडल का इंटरफ़ेस अपने-आप जनरेट करता है. फ़िलहाल Android के साथ Java का इस्तेमाल करता है. रैपर कोड इस्तेमाल करने की ज़रूरत नहीं होती सीधे
ByteBufferसे शेयर करें. इसके बजाय, डेवलपरBitmapऔरRectजैसे टाइप किए गए ऑब्जेक्ट वाला LiteRT मॉडल. Android Studio के उपयोगकर्ता, कोड जनरेट करने की सुविधा को ऐक्सेस भी कर सकते हैं. इसके लिए, उन्हें इन चीज़ों का इस्तेमाल करना होगा: Android Studio एमएल बाइंडिंग.
LiteRT Support Library की मदद से, ज़रूरत के मुताबिक अनुमान पाइपलाइन बनाएं
LiteRT सपोर्ट लाइब्रेरी, एक क्रॉस-प्लैटफ़ॉर्म लाइब्रेरी है इससे मॉडल के इंटरफ़ेस को पसंद के मुताबिक बनाने और अनुमान लगाने वाले पाइपलाइन बनाने में मदद मिलती है. यह इसमें प्री/पोस्ट करने के लिए अलग-अलग तरह के इस्तेमाल के तरीके और डेटा स्ट्रक्चर होते हैं और डेटा कन्वर्ज़न होता है. इसे इस तरह से डिज़ाइन किया गया है कि यह TensorFlow के मॉड्यूल, जैसे कि TF.Image और TF.Text, पक्का करना कि ये सभी मॉड्यूल एक जैसे हों ट्रेनिंग लेना शुरू किया.
मेटाडेटा की मदद से, पहले से ट्रेन किए गए मॉडल एक्सप्लोर करना
Kaggle मॉडल ब्राउज़ करें: विज़न और टेक्स्ट टास्क, दोनों के लिए मेटाडेटा के साथ पहले से ट्रेन किए गए मॉडल डाउनलोड करना. साथ ही आपको अलग-अलग तरह के मेटाडेटा.
LiteRT के साथ काम करने वाला GitHub रेपो
LiteRT सहायता GitHub पर जाएं ज़्यादा उदाहरणों और सोर्स के लिए, डेटा स्टोर करने की जगह कोड.