เครื่องมือสร้างโมเดลของ TensorFlow Lite

ภาพรวม

ไลบรารี Model Maker ของ TensorFlow Lite ช่วยลดความซับซ้อนของกระบวนการฝึกโมเดล TensorFlow Lite โดยใช้ชุดข้อมูลที่กำหนดเอง โดยใช้การเรียนรู้แบบถ่ายโอนเพื่อลด ปริมาณข้อมูลการฝึกที่จำเป็นและลดระยะเวลาการฝึก

งานที่รองรับ

ปัจจุบันไลบรารี Model Maker รองรับงาน ML ต่อไปนี้ คลิกลิงก์ด้านล่างเพื่อดูคำแนะนำเกี่ยวกับวิธีฝึกโมเดล

หากระบบไม่รองรับงานของคุณ โปรดใช้ TensorFlow เพื่อฝึกโมเดล TensorFlow ซ้ำก่อน ด้วยการเรียนรู้แบบถ่ายโอน (ทำตามคำแนะนำ เช่น รูปภาพ ข้อความ เสียง) หรือ ฝึกโมเดลตั้งแต่ต้น แล้วแปลง เป็นโมเดล TensorFlow Lite

ตัวอย่างแบบครบวงจร

Model Maker ช่วยให้คุณฝึกโมเดล TensorFlow Lite โดยใช้ชุดข้อมูลที่กำหนดเองได้ด้วยโค้ดเพียงไม่กี่บรรทัด ตัวอย่างเช่น ขั้นตอนการฝึกโมเดลการจัดประเภทรูปภาพมีดังนี้

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/')

ดูรายละเอียดเพิ่มเติมได้ที่คู่มือการแยกประเภทรูปภาพ

การติดตั้ง

คุณติดตั้ง Model Maker ได้ 2 วิธี

• ติดตั้งแพ็กเกจ pip ที่สร้างไว้ล่วงหน้า

pip install tflite-model-maker

หากต้องการติดตั้งเวอร์ชัน Nightly โปรดทำตามคำสั่งต่อไปนี้

pip install tflite-model-maker-nightly

• โคลนซอร์สโค้ดจาก GitHub แล้วติดตั้ง

git clone https://github.com/tensorflow/examples
cd examples/tensorflow_examples/lite/model_maker/pip_package
pip install -e .

TensorFlow Lite Model Maker ขึ้นอยู่กับแพ็กเกจ pip ของ TensorFlow สำหรับไดรเวอร์ GPU โปรดดูคู่มือ GPU หรือคู่มือการติดตั้งของ TensorFlow

เอกสารอ้างอิง Python API

คุณดู API สาธารณะของ Model Maker ได้ในเอกสารอ้างอิง API