MediaPipe Model Maker เป็นเครื่องมือสำหรับปรับแต่งโมเดลแมชชีนเลิร์นนิง (ML) ที่มีอยู่เพื่อทำงานกับข้อมูลและแอปพลิเคชันของคุณ คุณอาจใช้เครื่องมือนี้เป็นทางเลือกที่เร็วกว่าในการสร้างและฝึกโมเดล ML ใหม่ เครื่องมือสร้างโมเดลใช้เทคนิคการฝึก ML ที่เรียกว่าการเรียนรู้การโอน ซึ่งจะฝึกโมเดลที่มีอยู่ด้วยข้อมูลใหม่ เทคนิคนี้จะนำส่วนที่มีนัยสำคัญของตรรกะโมเดลที่มีอยู่มาใช้ซ้ำ ซึ่งหมายความว่าการฝึกใช้เวลาน้อยกว่าการฝึกโมเดลใหม่และทำได้โดยใช้ข้อมูลน้อยลง
Model Maker ใช้งานได้กับโมเดลหลายประเภท ได้แก่ การตรวจจับวัตถุ
การจดจำท่าทางสัมผัส หรือตัวแยกประเภทสำหรับรูปภาพ ข้อความ หรือข้อมูลเสียง เครื่องมือจะฝึกโมเดลใหม่โดยลบเลเยอร์ 2-3 เลเยอร์สุดท้ายของโมเดลที่แยกประเภทข้อมูลออกเป็นหมวดหมู่ที่เจาะจง และสร้างเลเยอร์เหล่านั้นใหม่โดยใช้ข้อมูลใหม่ที่คุณให้ไว้
นอกจากนี้ Model Maker ยังรองรับตัวเลือกบางอย่างในการปรับแต่งเลเยอร์ของโมเดลเพื่อปรับปรุงความแม่นยำและประสิทธิภาพด้วย
รูปที่ 1 Model Maker จะลบเลเยอร์สุดท้ายของโมเดลที่มีอยู่และสร้างขึ้นมาใหม่ด้วยข้อมูลใหม่
โดยทั่วไปแล้ว การฝึกโมเดลใหม่โดยใช้ Model Maker จะทำให้โมเดลมีขนาดเล็กลง โดยเฉพาะอย่างยิ่งหากคุณฝึกโมเดลใหม่ให้จดจำสิ่งต่างๆ น้อยลง ซึ่งหมายความว่าคุณสามารถใช้ Model Maker เพื่อสร้างโมเดลที่เจาะจงมากขึ้นซึ่งทำงานได้ดีขึ้นสำหรับแอปพลิเคชันของคุณ เครื่องมือนี้ยังช่วยให้คุณใช้เทคนิค ML เช่น การวัดปริมาณได้ เพื่อให้โมเดลใช้ทรัพยากรน้อยลงและทำงานได้อย่างมีประสิทธิภาพมากขึ้น
การฝึกโมเดลอีกครั้งด้วย Model Maker ไม่สามารถเปลี่ยนสิ่งที่โมเดล ML เดิมสร้างขึ้นเพื่อแก้โจทย์ แม้ว่างานเหล่านั้นจะคล้ายคลึงกันก็ตาม เช่น คุณจะใช้เครื่องมือเพื่อทำให้โมเดลการจัดประเภทรูปภาพดำเนินการตรวจจับออบเจ็กต์ไม่ได้ แม้ว่างานเหล่านั้นจะมีลักษณะคล้ายกันอยู่บ้าง
เริ่มต้นใช้งาน
คุณเริ่มใช้ MediaPipe Model Maker ได้โดยเรียกใช้โซลูชัน
บทแนะนำการปรับแต่งสำหรับโซลูชัน MediaPipe เช่น
การจัดประเภทรูปภาพ
[[["เข้าใจง่าย","easyToUnderstand","thumb-up"],["แก้ปัญหาของฉันได้","solvedMyProblem","thumb-up"],["อื่นๆ","otherUp","thumb-up"]],[["ไม่มีข้อมูลที่ฉันต้องการ","missingTheInformationINeed","thumb-down"],["ซับซ้อนเกินไป/มีหลายขั้นตอนมากเกินไป","tooComplicatedTooManySteps","thumb-down"],["ล้าสมัย","outOfDate","thumb-down"],["ปัญหาเกี่ยวกับการแปล","translationIssue","thumb-down"],["ตัวอย่าง/ปัญหาเกี่ยวกับโค้ด","samplesCodeIssue","thumb-down"],["อื่นๆ","otherDown","thumb-down"]],["อัปเดตล่าสุด 2025-07-24 UTC"],[],[],null,["# MediaPipe Model Maker is a tool for customizing existing machine learning (ML)\nmodels to work with your data and applications. You can use this tool as a\nfaster alternative to building and training a new ML model. Model Maker uses an\nML training technique called\n[transfer learning](https://en.wikipedia.org/wiki/Transfer_learning) which\nretrains existing models with new data. This technique re-uses a significant\nportion of the existing model logic, which means training takes less time than\ntraining a new model, and can be done with less data.\n\nModel Maker works on various types of models including, object detection,\ngesture recognition, or classifiers for images, text, or audio data. The tool\nretrains models by removing the last few layers of the model that classify data\ninto specific categories, and rebuilds those layers using new data you provide.\nModel Maker also supports some option to fine tune model layers to improve\naccuracy and performance.\n\n**Figure 1. Model Maker removes the final layers of an existing model and\nrebuilds them with new data.**\n\nRetraining a model using Model Maker generally makes the model smaller,\nparticularly if you retrain the new model to recognize fewer things. This\nmeans you can use Model Maker to create more focused models that work better for\nyour application. The tool can also help you apply ML techniques like\nquantization so your model uses less resources and runs more efficiently.\n\nTraining data requirements\n--------------------------\n\nYou can use Model Maker to retrain models with significantly less data than\ntraining a new model. When retraining a model with new data, you should aim to\nhave approximately 100 data samples for each trained class. For example, if you\nare retraining an image classification model to recognize cats, dogs, and\nparrots, you should have around 100 images of cats, 100 images of dogs, and 100\nimages of parrots. Depending on your application, you may be able to retrain a\nuseful model with even less data per category, although a larger dataset\ngenerally improves the accuracy of your model. When creating your training\ndataset, remember that your training data gets split up during the retraining\nprocess, typically 80% for training, 10% for testing, and the remainder for\nvalidation.\n\nLimitations of customization\n----------------------------\n\nSince the retraining process removes the previous classification layers, the\nresulting model can only recognize items, or classes, provided in the new data.\nIf the old model was trained to recognize 30 different item classes, and you use\nModel Maker to retrain with data for 10 different items, the resulting model is\nonly able to recognize those 10 new items.\n\nRetraining a model with Model Maker cannot change what the original ML model\nwas built to solve, even if those jobs are similar. For example, you can't use\nthe tool to make an image classification model perform object detection, even\nthough those tasks share some similarity.\n\nGet started\n-----------\n\nYou can start using MediaPipe Model Maker by running one of the solution\nCustomization tutorials for MediaPipe Solutions, such as\n[Image Classification](/edge/mediapipe/solutions/customization/image_classifier)"]]
