खास जानकारी
TensorFlow Lite Model Maker लाइब्रेरी, कस्टम डेटासेट का इस्तेमाल करके TensorFlow Lite मॉडल को ट्रेनिंग देने की प्रोसेस को आसान बनाती है. यह ट्रांसफ़र लर्निंग का इस्तेमाल करता है, ताकि ट्रेनिंग के लिए ज़रूरी डेटा की मात्रा को कम किया जा सके और ट्रेनिंग के समय को कम किया जा सके.
इन टास्क के लिए सुविधा उपलब्ध है
फ़िलहाल, Model Maker लाइब्रेरी में एमएल से जुड़े ये टास्क किए जा सकते हैं. मॉडल को ट्रेन करने के तरीके के बारे में गाइड पाने के लिए, यहां दिए गए लिंक पर क्लिक करें.
| इन टास्क के लिए सुविधा उपलब्ध है | टास्क यूटिलिटी |
|---|---|
| इमेज क्लासिफ़िकेशन: ट्यूटोरियल, एपीआई | इमेज को पहले से तय की गई कैटगरी में बांटना. |
| ऑब्जेक्ट का पता लगाने की सुविधा: ट्यूटोरियल, एपीआई | रीयल टाइम में ऑब्जेक्ट का पता लगाना. |
| टेक्स्ट क्लासिफ़िकेशन: ट्यूटोरियल, एपीआई | टेक्स्ट को पहले से तय की गई कैटगरी में बांटना. |
| BERT के ज़रिए सवालों के जवाब देने की सुविधा: ट्यूटोरियल, एपीआई | BERT की मदद से, किसी दिए गए सवाल का जवाब किसी खास कॉन्टेक्स्ट में ढूंढना. |
| ऑडियो क्लासिफ़िकेशन: ट्यूटोरियल, एपीआई | ऑडियो को पहले से तय की गई कैटगरी में बांटना. |
| सुझाव: demo, api | डिवाइस पर मौजूद कॉन्टेक्स्ट की जानकारी के आधार पर आइटम के सुझाव दें. |
| खोजने वाला: tutorial, api | डेटाबेस में मिलते-जुलते टेक्स्ट या इमेज को खोजें. |
अगर आपके टास्क के लिए, TensorFlow Lite का इस्तेमाल नहीं किया जा सकता, तो कृपया पहले TensorFlow का इस्तेमाल करके, TensorFlow मॉडल को फिर से ट्रेन करें. इसके लिए, ट्रांसफ़र लर्निंग का इस्तेमाल करें. इसके लिए, इमेज, टेक्स्ट, ऑडियो जैसे गाइड का पालन करें. इसके अलावा, मॉडल को शुरू से ट्रेन करें. इसके बाद, इसे TensorFlow Lite मॉडल में बदलें.
एंड-टू-एंड उदाहरण
Model Maker की मदद से, TensorFlow Lite मॉडल को ट्रेनिंग दी जा सकती है. इसके लिए, आपको कस्टम डेटासेट का इस्तेमाल करना होगा. साथ ही, इसके लिए आपको सिर्फ़ कुछ लाइनों का कोड लिखना होगा. उदाहरण के लिए, इमेज क्लासिफ़िकेशन मॉडल को ट्रेन करने का तरीका यहां दिया गया है.
from tflite_model_maker import image_classifier
from tflite_model_maker.image_classifier import DataLoader
# Load input data specific to an on-device ML app.
data = DataLoader.from_folder('flower_photos/')
train_data, test_data = data.split(0.9)
# Customize the TensorFlow model.
model = image_classifier.create(train_data)
# Evaluate the model.
loss, accuracy = model.evaluate(test_data)
# Export to Tensorflow Lite model and label file in `export_dir`.
model.export(export_dir='/tmp/')
ज़्यादा जानकारी के लिए, इमेज क्लासिफ़िकेशन गाइड देखें.
इंस्टॉल करना
Model Maker को इंस्टॉल करने के दो तरीके हैं.
- पहले से बने पीआईपी पैकेज को इंस्टॉल करें.
pip install tflite-model-maker
अगर आपको Nightly वर्शन इंस्टॉल करना है, तो कृपया यह निर्देश दें:
pip install tflite-model-maker-nightly
- GitHub से सोर्स कोड क्लोन करें और उसे इंस्टॉल करें.
git clone https://github.com/tensorflow/examples
cd examples/tensorflow_examples/lite/model_maker/pip_package
pip install -e .
TensorFlow Lite Model Maker, TensorFlow pip package पर निर्भर करता है. जीपीयू ड्राइवर के लिए, कृपया TensorFlow की जीपीयू गाइड या इंस्टॉलेशन गाइड देखें.
Python API का रेफ़रंस
Model Maker के सार्वजनिक एपीआई के बारे में जानने के लिए, एपीआई के बारे में जानकारी पर जाएं.