MediaPipe মডেল মেকার আপনার ডেটা এবং অ্যাপ্লিকেশনগুলির সাথে কাজ করার জন্য বিদ্যমান মেশিন লার্নিং (ML) মডেলগুলিকে কাস্টমাইজ করার জন্য একটি টুল। আপনি একটি নতুন ML মডেল তৈরি এবং প্রশিক্ষণের জন্য একটি দ্রুত বিকল্প হিসাবে এই সরঞ্জামটি ব্যবহার করতে পারেন৷ মডেল মেকার ট্রান্সফার লার্নিং নামে একটি এমএল প্রশিক্ষণ কৌশল ব্যবহার করে যা নতুন ডেটা সহ বিদ্যমান মডেলগুলিকে পুনরায় প্রশিক্ষণ দেয়। এই কৌশলটি বিদ্যমান মডেল লজিকের একটি উল্লেখযোগ্য অংশকে পুনরায় ব্যবহার করে, যার অর্থ প্রশিক্ষণ একটি নতুন মডেলের প্রশিক্ষণের চেয়ে কম সময় নেয় এবং কম ডেটা দিয়ে করা যেতে পারে।
মডেল মেকার বিভিন্ন ধরনের মডেলে কাজ করে যার মধ্যে রয়েছে, অবজেক্ট সনাক্তকরণ, অঙ্গভঙ্গি শনাক্তকরণ, বা চিত্র, পাঠ্য বা অডিও ডেটার শ্রেণিবিন্যাস। টুলটি মডেলের শেষ কয়েকটি স্তরকে সরিয়ে দিয়ে মডেলগুলিকে পুনরায় প্রশিক্ষণ দেয় যা ডেটাকে নির্দিষ্ট বিভাগে শ্রেণীবদ্ধ করে এবং আপনার দেওয়া নতুন ডেটা ব্যবহার করে সেই স্তরগুলিকে পুনর্নির্মাণ করে৷ মডেল মেকার সঠিকতা এবং কর্মক্ষমতা উন্নত করতে মডেল স্তরগুলিকে সূক্ষ্ম সুর করার কিছু বিকল্পকে সমর্থন করে।
চিত্র 1. মডেল মেকার একটি বিদ্যমান মডেলের চূড়ান্ত স্তরগুলি সরিয়ে দেয় এবং নতুন ডেটা দিয়ে তাদের পুনর্নির্মাণ করে৷
মডেল মেকার ব্যবহার করে একটি মডেলকে পুনরায় প্রশিক্ষণ দেওয়া সাধারণত মডেলটিকে ছোট করে তোলে, বিশেষ করে যদি আপনি কম জিনিসগুলিকে চিনতে নতুন মডেলকে পুনরায় প্রশিক্ষণ দেন৷ এর মানে হল আপনি মডেল মেকার ব্যবহার করে আরও ফোকাসড মডেল তৈরি করতে পারেন যা আপনার অ্যাপ্লিকেশনের জন্য আরও ভাল কাজ করে। টুলটি আপনাকে কোয়ান্টাইজেশনের মতো ML কৌশল প্রয়োগ করতে সাহায্য করতে পারে যাতে আপনার মডেল কম সংস্থান ব্যবহার করে এবং আরও দক্ষতার সাথে চলে।
প্রশিক্ষণ তথ্য প্রয়োজনীয়তা
আপনি একটি নতুন মডেল প্রশিক্ষণের তুলনায় উল্লেখযোগ্যভাবে কম ডেটা সহ মডেলগুলিকে পুনরায় প্রশিক্ষণ দিতে মডেল মেকার ব্যবহার করতে পারেন৷ নতুন ডেটা সহ একটি মডেলকে পুনরায় প্রশিক্ষণ দেওয়ার সময়, প্রতিটি প্রশিক্ষিত শ্রেণীর জন্য আপনার আনুমানিক 100টি ডেটা নমুনা থাকা উচিত। উদাহরণস্বরূপ, আপনি যদি বিড়াল, কুকুর এবং তোতাকে চিনতে একটি চিত্র শ্রেণিবিন্যাসের মডেলকে পুনরায় প্রশিক্ষণ দিচ্ছেন, আপনার কাছে বিড়ালের প্রায় 100টি ছবি, কুকুরের 100টি ছবি এবং তোতাপাখির 100টি ছবি থাকতে হবে৷ আপনার আবেদনের উপর নির্ভর করে, আপনি বিভাগ প্রতি এমনকি কম ডেটা সহ একটি দরকারী মডেলকে পুনরায় প্রশিক্ষণ দিতে সক্ষম হতে পারেন, যদিও একটি বড় ডেটাসেট সাধারণত আপনার মডেলের নির্ভুলতা উন্নত করে। আপনার প্রশিক্ষণ ডেটাসেট তৈরি করার সময়, মনে রাখবেন যে আপনার প্রশিক্ষণের ডেটা পুনঃপ্রশিক্ষণ প্রক্রিয়া চলাকালীন বিভক্ত হয়ে যায়, সাধারণত 80% প্রশিক্ষণের জন্য, 10% পরীক্ষার জন্য এবং অবশিষ্টাংশ বৈধতার জন্য।
কাস্টমাইজেশনের সীমাবদ্ধতা
যেহেতু পুনঃপ্রশিক্ষণ প্রক্রিয়া পূর্ববর্তী শ্রেণীবিভাগ স্তরগুলিকে সরিয়ে দেয়, ফলে মডেলটি শুধুমাত্র নতুন ডেটাতে দেওয়া আইটেমগুলি বা শ্রেণীগুলিকে চিনতে পারে৷ যদি পুরানো মডেলটিকে 30টি ভিন্ন আইটেম ক্লাস চিনতে প্রশিক্ষিত করা হয় এবং আপনি 10টি ভিন্ন আইটেমের ডেটা সহ পুনরায় প্রশিক্ষণের জন্য Model Maker ব্যবহার করেন, ফলাফল মডেলটি শুধুমাত্র সেই 10টি নতুন আইটেমকে চিনতে সক্ষম।
মডেল মেকারের সাথে একটি মডেলকে পুনরায় প্রশিক্ষণ দেওয়া মূল ML মডেলটি সমাধান করার জন্য তৈরি করা হয়েছিল তা পরিবর্তন করতে পারে না, এমনকি যদি সেই কাজগুলি একই রকম হয়। উদাহরণস্বরূপ, আপনি একটি ইমেজ শ্রেণীবিভাগ মডেল অবজেক্ট সনাক্তকরণ সঞ্চালন করতে টুল ব্যবহার করতে পারবেন না, যদিও সেই কাজগুলি কিছু মিল শেয়ার করে।
এবার শুরু করা যাক
আপনি মিডিয়াপাইপ সলিউশনের জন্য একটি সমাধান কাস্টমাইজেশন টিউটোরিয়াল, যেমন ইমেজ ক্লাসিফিকেশন চালানোর মাধ্যমে MediaPipe মডেল মেকার ব্যবহার শুরু করতে পারেন