Birçok makine öğrenimi görevini tamamlamak için LiteRT ile hemen kullanabileceğiniz çeşitli, önceden eğitilmiş açık kaynak modeller vardır. Önceden eğitilmiş LiteRT modellerini kullanarak, model oluşturup eğitmenize gerek kalmadan mobil ve uç cihaz uygulamanıza hızlı bir şekilde makine öğrenimi işlevselliği ekleyebilirsiniz. Bu kılavuz, LiteRT ile kullanmak üzere eğitilmiş modelleri bulup seçmenize yardımcı olur.
Kaggle Models'da çok sayıda modele göz atmaya başlayabilirsiniz.
Uygulamanız için bir model bulma
Kullanım alanınız için mevcut bir LiteRT modeli bulmak, ne yapmaya çalıştığınıza bağlı olarak zor olabilir. LiteRT ile kullanılacak modelleri keşfetmek için önerilen yöntemlerden bazıları şunlardır:
Örnek: TensorFlow Lite ile modelleri bulup kullanmaya başlamanın en hızlı yolu, LiteRT Examples bölümüne göz atarak kullanım alanınıza benzer bir görevi yerine getiren modelleri bulmaktır. Bu kısa örnek kataloğunda, modellerin açıklamaları ve modelleri çalıştırmaya ve kullanmaya başlamanıza yardımcı olacak örnek kodlarla birlikte yaygın kullanım alanlarına yönelik modeller yer almaktadır.
Veri giriş türüne göre: Kullanım alanınıza benzer örnekleri incelemenin yanı sıra, kendi kullanımınız için modeller keşfetmenin bir başka yolu da işlemek istediğiniz veri türünü (ör. ses, metin, resim veya video verileri) göz önünde bulundurmaktır. Makine öğrenimi modelleri genellikle bu veri türlerinden biriyle kullanılmak üzere tasarlanır. Bu nedenle, kullanmak istediğiniz veri türünü işleyen modelleri aramak, hangi modelleri değerlendireceğinizi daraltmanıza yardımcı olabilir.
Aşağıdaki listede, yaygın kullanım alanları için Kaggle Models'deki LiteRT modellerine ait bağlantılar yer almaktadır:
- Görüntü sınıflandırma modelleri
- Nesne algılama modelleri
- Metin sınıflandırma modelleri
- Metin yerleştirme modelleri
- Sesli konuşma sentezi modelleri
- Ses yerleştirme modelleri
Benzer modeller arasından seçim yapma
Uygulamanız, resim sınıflandırma veya nesne algılama gibi yaygın bir kullanım alanına uyuyorsa ikili boyutu, veri girişi boyutu, çıkarım hızı ve tahmin doğruluğu derecelendirmeleri farklı olan birden fazla TensorFlow Lite modeli arasında seçim yapmanız gerekebilir. Birkaç model arasında karar verirken seçeneklerinizi önce en sınırlayıcı kısıtlamanıza (model boyutu, veri boyutu, çıkarım hızı veya doğruluk) göre daraltmalısınız.
En sınırlayıcı kısıtlamanızın ne olduğundan emin değilseniz modelin boyutu olduğunu varsayın ve mevcut en küçük modeli seçin. Küçük bir model seçmek, modeli başarıyla dağıtabileceğiniz ve çalıştırabileceğiniz cihazlar açısından en fazla esnekliği sunar. Daha küçük modeller genellikle daha hızlı çıkarımlar üretir ve daha hızlı tahminler genellikle daha iyi son kullanıcı deneyimleri oluşturur. Daha küçük modellerin doğruluk oranları genellikle daha düşüktür. Bu nedenle, tahmin doğruluğu sizin için öncelikli bir konuysa daha büyük modelleri seçmeniz gerekebilir.
Modellerin kaynakları
TensorFlow Lite ile kullanılacak modelleri bulup seçmek için ilk olarak LiteRT Examples bölümünü ve Kaggle Models'i kullanın. Bu kaynaklar genellikle LiteRT ile kullanılmak üzere güncel ve düzenlenmiş modeller içerir. Ayrıca, geliştirme sürecinizi hızlandırmak için sıklıkla örnek kodlar da sunar.
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 Modelleri'nde ve TensorFlow Model Garden'da bulabilirsiniz.