MediaPipe Model Maker הוא כלי להתאמה אישית של מודלים קיימים של למידת מכונה (ML) כדי לעבוד עם הנתונים והאפליקציות שלכם. תוכלו להשתמש בכלי הזה כחלופה מהירה יותר לבנייה ואימון של מודל למידת מכונה חדש. הכלי ליצירת מודלים משתמש בשיטה של אימון למידת מכונה שנקראת העברת למידה, שמחננת מחדש מודלים קיימים עם נתונים חדשים. הטכניקה הזו משתמשת בחלק משמעותי מהלוגיקה של המודל הקיים, כך שהאימון נמשך פחות זמן מאימון מודל חדש ואפשר לבצע אותו עם פחות נתונים.
Model Maker פועל בסוגים שונים של מודלים, כולל זיהוי אובייקטים, זיהוי תנועות או מסווגים של תמונות, טקסט או נתוני אודיו. הכלי מבצע אימון מחדש של המודלים על ידי הסרת השכבות האחרונות של המודל שמסווגות את הנתונים לקטגוריות ספציפיות, ובונה מחדש את השכבות האלה על סמך נתונים חדשים שאתם מספקים. ב-Model Maker יש גם תמיכה בחלק מהאפשרויות לכוונון עדין של שכבות המודל, כדי לשפר את הדיוק והביצועים.
איור 1. Model Maker מסיר את השכבות הסופיות של מודל קיים ובונה אותן מחדש עם נתונים חדשים.
אימון מחדש של מודל באמצעות 'יוצר המודלים' בדרך כלל מקטין את המודל, במיוחד אם מאמנים מחדש את המודל החדש כדי לזהות פחות דברים. כלומר, אתם יכולים להשתמש ב'יוצר המודלים' כדי ליצור מודלים ממוקדים יותר שפועלים טוב יותר לאפליקציה שלכם. הכלי גם יכול לעזור לכם להחיל טכניקות למידת מכונה (ML), כמו כימות, כדי שהמודל ישתמש בפחות משאבים ויתנהל בצורה יעילה יותר.
הדרישות לגבי נתוני אימון
ניתן להשתמש ב-Model Maker כדי לאמן מחדש מודלים עם הרבה פחות נתונים מאשר אימון של מודל חדש. כשמאמנים מחדש מודל עם נתונים חדשים, כדאי לשאוף לכ-100 דגימות נתונים לכל כיתה שעבר אימון. לדוגמה, אם אתם מאמנים מחדש מודל לסיווג תמונות כדי לזהות חתולים, כלבים ותוכים, צריכות להיות לכם כ-100 תמונות של חתולים, 100 תמונות של כלבים ו-100 תמונות של תוכים. בהתאם לאפליקציה, יכול להיות שתוכלו לאמן מחדש מודל שימושי עם פחות נתונים לכל קטגוריה, אם כי מערך נתונים גדול יותר משפר בדרך כלל את הדיוק של המודל. כשיוצרים את מערך הנתונים לאימון, זכרו שנתוני האימון מתחלקים בתהליך האימון מחדש, בדרך כלל 80% לאימון, 10% לבדיקה והשארית לצורך אימות.
המגבלות של התאמה אישית
מכיוון שתהליך האימון מחדש מסיר את שכבות הסיווג הקודמות, המודל שיתקבל יוכל לזהות רק פריטים או מחלקות הכלולים בנתונים החדשים. אם המודל הישן אומן לזהות 30 סיווגי פריטים שונים, ואתם משתמשים ב-Model Maker כדי לאמן מחדש עם נתונים עבור 10 פריטים שונים, המודל שיתקבל יוכל לזהות רק את 10 הפריטים החדשים.
אימון מחדש של מודל באמצעות Model Maker לא יכול לשנות את מה שמודל למידת המכונה המקורי נועד לפתור, גם אם המשימות האלה דומות. לדוגמה, אי אפשר להשתמש בכלי כדי לגרום למודל לסיווג תמונות לבצע זיהוי אובייקטים, למרות העובדה שהמשימות האלה דומות.
אני רוצה לנסות
כדי להתחיל להשתמש ביוצר המודלים של MediaPipe, מפעילים אחד מהמדריכים להתאמה אישית של פתרונות לפתרונות MediaPipe, כמו סיווג תמונות