การอนุมานโมเดลที่มีข้อมูลเมตาทำได้ง่ายๆ เพียงใช้โค้ดไม่กี่บรรทัด ข้อมูลเมตา LiteRT มีคำอธิบายโดยละเอียด เกี่ยวกับสิ่งที่โมเดลทำและวิธีใช้โมเดล ซึ่งจะช่วยให้เครื่องมือสร้างโค้ด สร้างโค้ดการอนุมานให้คุณโดยอัตโนมัติได้ เช่น การใช้ฟีเจอร์การเชื่อมโยง ML ของ Android Studio หรือเครื่องมือสร้างโค้ด LiteRT Android นอกจากนี้ยังใช้เพื่อกำหนดค่า ไปป์ไลน์การอนุมานที่กำหนดเองได้ด้วย
เครื่องมือและไลบรารี
LiteRT มีเครื่องมือและไลบรารีที่หลากหลายเพื่อตอบสนองข้อกำหนดในการติดตั้งใช้งานระดับต่างๆ ดังนี้
สร้างอินเทอร์เฟซโมเดลด้วยเครื่องมือสร้างโค้ด Android
การสร้างโค้ด Wrapper ของ Android ที่จำเป็นโดยอัตโนมัติสำหรับโมเดล LiteRT ที่มีข้อมูลเมตามี 2 วิธีดังนี้
การเชื่อมโยงโมเดล ML ของ Android Studio คือเครื่องมือที่พร้อมใช้งาน ภายใน Android Studio เพื่อนำเข้าโมเดล LiteRT ผ่านอินเทอร์เฟซแบบกราฟิก Android Studio จะกำหนดค่าการตั้งค่าสำหรับโปรเจ็กต์โดยอัตโนมัติและ สร้างคลาส Wrapper ตามข้อมูลเมตาของโมเดล
LiteRT Code Generator เป็นไฟล์ที่เรียกใช้งานได้ซึ่งสร้างอินเทอร์เฟซโมเดลโดยอัตโนมัติตามข้อมูลเมตา ปัจจุบันมีการรองรับ Android ด้วย Java โค้ด Wrapper ช่วยให้ไม่จำเป็นต้องโต้ตอบกับ
ByteBufferโดยตรง แต่นักพัฒนาแอปสามารถโต้ตอบกับโมเดล LiteRT ด้วยออบเจ็กต์ที่มีการพิมพ์ เช่นBitmapและRectผู้ใช้ Android Studio ยังเข้าถึงฟีเจอร์ Codegen ได้ผ่าน Android Studio ML Binding ด้วย
สร้างไปป์ไลน์การอนุมานที่กำหนดเองด้วยไลบรารีการรองรับ LiteRT
ไลบรารีการสนับสนุน LiteRT เป็นไลบรารีข้ามแพลตฟอร์มที่ช่วย ปรับแต่งอินเทอร์เฟซโมเดลและสร้างไปป์ไลน์การอนุมาน ซึ่งมี เมธอดยูทิลและโครงสร้างข้อมูลที่หลากหลายเพื่อดำเนินการประมวลผลก่อน/หลัง และ การแปลงข้อมูล นอกจากนี้ยังออกแบบมาให้ตรงกับลักษณะการทำงานของโมดูล TensorFlow เช่น TF.Image และ TF.Text เพื่อให้มั่นใจถึงความสอดคล้องกันตั้งแต่การฝึกไปจนถึง การอนุมาน
สำรวจโมเดลที่ผ่านการฝึกมาก่อนด้วยข้อมูลเมตา
เรียกดู Kaggle Models เพื่อ ดาวน์โหลดโมเดลที่ฝึกไว้ล่วงหน้าพร้อมข้อมูลเมตาสำหรับทั้งงานด้านวิชันซิสเต็มและข้อความ นอกจากนี้ คุณยังดูตัวเลือกต่างๆ ของการแสดงภาพ ข้อมูลเมตาได้ด้วย
ที่เก็บ GitHub ของการรองรับ LiteRT
ดูตัวอย่างและซอร์สโค้ดเพิ่มเติมได้ที่ที่เก็บ GitHub ของการสนับสนุน LiteRT