Określanie modeli za pomocą metadanych może być tak proste, kilka linijek kodu. Metadane LiteRT zawierają obszerny opis do czego służy model i jak go używać. Może umożliwić generatorom kodu automatycznie wygenerować kod wnioskowania, na przykład przy użyciu funkcji Android Funkcja Studio ML Binding lub LiteRT Generator kodu na Androida. Można jej też używać do: skonfigurować niestandardowy potok wnioskowania.
Narzędzia i biblioteki
LiteRT zapewnia wiele narzędzi i bibliotek do obsługi następujące poziomy wymagań wdrożeniowych:
Wygeneruj interfejs modelu za pomocą generatorów kodu na Androida
Istnieją 2 sposoby automatycznego generowania niezbędnego kodu otoki Androida dla modelu LiteRT z metadanymi:
Dostępne jest narzędzie Android Studio ML Model Binding. w Android Studio, aby zaimportować model LiteRT za pomocą za pomocą prostego interfejsu online. Android Studio automatycznie skonfiguruje ustawienia projektu i generuj klasy kodu na podstawie metadanych modelu.
Generator kodu LiteRT to plik wykonywalny, automatycznie generuje interfejs modelu na podstawie metadanych. Obecnie obsługuje Androida z językiem Java. Kod otoki eliminuje potrzebę interakcji bezpośrednio w
ByteBuffer. Zamiast tego programiści mogą korzystać z interfejsów API Model LiteRT z wpisywanymi obiektami, takimi jakBitmapiRect. Użytkownicy Androida Studio mogą też uzyskać dostęp do funkcji Codegen dzięki Powiązanie ML w Android Studio.
Twórz niestandardowe potoki wnioskowania za pomocą biblioteki pomocy LiteRT
Biblioteka pomocy LiteRT to biblioteka działająca na wielu platformach. który pomaga dostosować interfejs modelu i tworzyć potoki wnioskowania. it zawiera różne metody użycia i struktury danych służące do wykonywania działań przed i po przetwarzania i konwersji danych. Ma on też być zgodny z działaniem Moduły TensorFlow, takie jak TF.Image i TF.Text, zapewniające spójność trenowania do wnioskowania.
Poznaj wstępnie wytrenowane modele z metadanymi
Przeglądaj Modele Kaggle, aby pobierać już wytrenowane modele z metadanymi do zadań związanych z rozpoznawaniem i tekstem. Poza tym zapoznaj się z różnymi opcjami wizualizacji metadanych.
Repozytorium GitHub pomocy LiteRT
Odwiedź stronę pomocy LiteRT na GitHubie repo, gdzie znajdziesz więcej przykładów i źródeł. w kodzie.