نظرة عامة على تحويل نماذج TensorFlow

يتم إنشاء نماذج تعلُّم الآلة (ML) التي تستخدمها مع LiteRT وتدريبها في الأصل باستخدام مكتبات وأدوات TensorFlow الأساسية. بعد إنشاء نموذج باستخدام TensorFlow Core، يمكنك تحويله إلى تنسيق أصغر وأكثر فعالية لنماذج تعلُّم الآلة يُعرف باسم نموذج LiteRT. يقدّم هذا القسم إرشادات حول كيفية تحويل نماذج TensorFlow إلى تنسيق نموذج LiteRT.

مسار الإحالة الناجحة

يمكن أن يستغرق تحويل نماذج TensorFlow إلى تنسيق LiteRT بضع خطوات حسب محتوى نموذج تعلُّم الآلة. كخطوة أولى في هذه العملية، عليك تقييم النموذج لتحديد ما إذا كان يمكن تحويله مباشرةً. يحدّد هذا التقييم ما إذا كان محتوى النموذج متوافقًا مع بيئات وقت التشغيل العادية LiteRT استنادًا إلى عمليات TensorFlow التي يستخدمها. إذا كان نموذجك يستخدم عمليات خارج المجموعة المتوافقة، يمكنك إعادة تصميم نموذجك أو استخدام تقنيات متقدّمة لتحويل البيانات.

يعرض الرسم البياني أدناه الخطوات العالية المستوى لتحويل نموذج.

سير عمل التحويل إلى TFLite

الشكل 1. سير عمل الإحالات الناجحة في LiteRT

توضّح الأقسام التالية عملية تقييم النماذج وتحويلها لاستخدامها مع LiteRT.

تنسيقات نماذج الإدخال

يمكنك استخدام المحوّل مع تنسيقات نماذج الإدخال التالية:

يمكنك حفظ كلّ من نماذج Keras ونماذج الدوال الملموسة كملف SavedModel وتحويلها باستخدام المسار المقترَح.

إذا كان لديك نموذج Jax، يمكنك استخدام واجهة برمجة التطبيقات TFLiteConverter.experimental_from_jax لتحويله إلى تنسيق LiteRT. يُرجى العِلم أنّ واجهة برمجة التطبيقات هذه عرضة للتغيير أثناء استخدامها في الوضع التجريبي.

تقييم الإحالات الناجحة

يُعدّ تقييم النموذج خطوة مهمة قبل محاولة تحويله. عند التقييم، عليك تحديد ما إذا كان محتوى النموذج متوافقًا مع تنسيق LiteRT. عليك أيضًا تحديد ما إذا كان نموذجك مناسبًا للاستخدام على الأجهزة الجوّالة وأجهزة الحافة من حيث حجم البيانات التي يستخدمها النموذج ومتطلبات معالجة الأجهزة وحجم النموذج وتعقيده بشكل عام.

بالنسبة إلى العديد من النماذج، من المفترض أن يعمل المحوّل بدون أي إعدادات. ومع ذلك، تتوافق مكتبة عوامل التشغيل المضمّنة في LiteRT مع مجموعة فرعية من عوامل تشغيل TensorFlow الأساسية، ما يعني أنّ بعض النماذج قد تتطلّب خطوات إضافية قبل تحويلها إلى LiteRT. بالإضافة إلى ذلك، تتضمّن بعض العمليات المتوافقة مع LiteRT متطلبات استخدام مقيّدة لأسباب تتعلّق بالأداء. راجِع دليل التوافق مع عامل التشغيل لتحديد ما إذا كان يجب إعادة تصميم النموذج من أجل التحويل.

تحويل النماذج

يحوّل برنامج LiteRT نموذج TensorFlow إلى نموذج LiteRT (تنسيق FlatBuffer محسّن يتم تحديده من خلال امتداد الملف .tflite). يمكنك تحميل SavedModel أو تحويل نموذج تنشئه في الرمز البرمجي مباشرةً.

يستخدِم المحوّل 3 علامات رئيسية (أو خيارات) لتخصيص عملية التحويل لنموذجك:

  1. تسمح لك علامات التوافق بتحديد ما إذا كان يجب أن تسمح عملية التحويل بعوامل تشغيل مخصّصة.
  2. تتيح لك علامات التحسين تحديد نوع التحسين الذي سيتم تطبيقه أثناء عملية التحويل. إنّ أسلوب التحسين الأكثر شيوعًا هو التكميم بعد التدريب.
  3. تتيح لك علامات البيانات الوصفية إضافة بيانات وصفية إلى النموذج المحوَّل، ما يسهّل إنشاء رمز برنامج تضمين خاص بالنظام الأساسي عند نشر النماذج على الأجهزة.

يمكنك تحويل النموذج باستخدام Python API أو أداة سطر الأوامر. راجِع دليل تحويل نموذج TF للحصول على تعليمات تفصيلية حول تشغيل المحوّل على النموذج.

عادةً ما يتم تحويل النموذج إلى بيئة وقت التشغيل العادية في LiteRT أو بيئة وقت التشغيل في "خدمات Google Play" لإصدار LiteRT التجريبي. تتطلّب بعض حالات الاستخدام المتقدّمة تخصيص بيئة وقت تشغيل النموذج، وهو ما يتطلّب خطوات إضافية في عملية التحويل. راجِع قسم بيئة وقت التشغيل المتقدّمة في النظرة العامة حول Android للحصول على مزيد من الإرشادات.

الإحالات الناجحة المتقدّمة

إذا واجهت أخطاء أثناء تشغيل المحوّل على النموذج، من المحتمل أن تكون هناك مشكلة في توافق المشغّل. لا تتوافق بعض عمليات TensorFlow مع TensorFlow Lite. يمكنك حلّ هذه المشاكل عن طريق إعادة تصميم النموذج أو استخدام خيارات تحويل متقدّمة تتيح لك إنشاء نموذج بتنسيق LiteRT معدَّل وبيئة وقت تشغيل مخصّصة لهذا النموذج.

الخطوات التالية