יש מגוון מודלים של קוד פתוח שאומנו כבר לשימוש, מיד עם LiteRT כדי לבצע משימות רבות של למידת מכונה. שימוש במודלים של LiteRT שעברו אימון מראש מאפשר להוסיף למידת מכונה פונקציונליות ליישום מהיר של אפליקציית הנייד והקצה, ללא צורך כדי לבנות ולאמן מודל. המדריך הזה יעזור לכם למצוא אנשי מקצוע בתחום החינוך ולהחליט לשימוש ב-LiteRT.
אפשר להתחיל לעיין בקבוצה גדולה של דגמים ב-Kaggle דגמים.
חיפוש מודל לאפליקציה
לא קל למצוא מודל LiteRT קיים לתרחיש לדוגמה שלכם בהתאם למה שמנסים להשיג. הנה כמה דרכים מומלצות כדי לגלות מודלים לשימוש עם LiteRT:
דוגמה: הדרך המהירה ביותר למצוא מודלים ולהתחיל להשתמש בהם באמצעות TensorFlow Lite הוא לעיין ב-LiteRT דוגמאות כדי למצוא מודלים שמבצעים משימה שדומה לתרחיש לדוגמה שלכם. קטלוג דוגמאות קצר הזה מספק מודלים לתרחישים נפוצים לדוגמה הסברים על המודלים והקוד לדוגמה, כדי לעזור לכם להתחיל להריץ את אותם.
לפי סוג קלט הנתונים: מלבד הצגת דוגמאות שדומות לתרחיש לדוגמה שלכם, דרך נוספת לגלות מודלים לשימוש אישי היא לחשוב על סוג הנתונים שרוצים לעבד, למשל נתוני אודיו, טקסט, תמונות או וידאו. מכונה של למידת מכונה מיועדים בדרך כלל לשימוש עם אחד מסוגי הנתונים האלה, לכן חיפוש מודלים שמטפלים בסוג הנתונים שבו אתם רוצים להשתמש יכול לעזור לכם לצמצם את המודלים הכדאיים להשתמש בהם.
הרשימה הבאה כוללת קישורים לדגמי LiteRT ב-Kaggle מודלים לשימושים נפוצים:
- סיווג תמונות דגמים
- זיהוי אובייקטים דגמים
- סיווג טקסט דגמים
- הטמעת טקסט דגמים
- המרת דיבור באודיו דגמים
- הטמעת אודיו דגמים
בחירה בין מודלים דומים
אם האפליקציה שלכם מבוססת על תרחיש נפוץ כמו סיווג תמונות או זיהוי אובייקטים, יכול להיות שתצטרכו להחליט בין כמה TensorFlow מודלים של Lite עם ערכים בינאריים שונים, גודל קלט נתונים שונה, מהירות הסקת מסקנות ואת דירוגי הדיוק של החיזויים. כאשר מחליטים בין מספר מודלים, צריך לצמצם את האפשרויות תחילה על סמך האילוץ המגביל ביותר שלך: גודל המודל, גודל הנתונים, מהירות ההסקה או דיוק.
אם אתם לא בטוחים מה האילוץ המגביל ביותר שלכם, מניחים שזה הגודל של המודל ולבחור את המודל הקטן ביותר שזמין. בחירת מודל קטן את הגמישות הרבה ביותר, מבחינת המכשירים שבהם ניתן לפרוס ולהריץ את המודל. גם מודלים קטנים יותר מפיקים בדרך כלל מהר יותר והסקת מסקנות ותחזיות מהירות יותר בדרך כלל יוצרים משתמשי קצה טובים יותר לחוויות שונות. במודלים קטנים יותר יש בדרך כלל שיעורי דיוק נמוכים יותר, לכן ייתכן שיהיה צורך כדי לבחור מודלים גדולים יותר, אם דיוק החיזוי הוא החששות העיקריים שלכם.
מקורות למודלים
שימוש ב-LiteRT דוגמאות ומודלים של Kaggle את היעדים הראשונים לחיפוש ולבחירת מודלים לשימוש ב-TensorFlow Lite. בדרך כלל למקורות האלה יש מודלים עדכניים שנאספו לשימוש LiteRT, וכוללים בדרך כלל קוד לדוגמה כדי להאיץ או בלתי מונחית.
מודלים של TensorFlow
אפשר להמיר מודלים רגילים של TensorFlow ל-TensorFlow פורמט בסיסי. למידע נוסף על המרת מודלים, עיינו ב-TensorFlow תיעוד של Lite Converter. מודלים של TensorFlow דגמים של Kaggle ובמודל TensorFlow גינה.