Przyspieszanie tworzenia aplikacji na urządzeniach z systemem Android
Ograniczenia urządzeń brzegowych często wymagają dodatkowych czynności związanych z konwersją i optymalizacją modeli, zanim będą one mogły działać efektywnie. Wizualizacja jest jednym z najskuteczniejszych sposobów na zrozumienie modelu i określenie celów optymalizacji.
Konwersja
Kwantyzacja
Optymalizacja
Funkcja porównywania modeli umożliwiająca porównanie modeli obok siebie ułatwia wykrywanie problemów związanych z konwersjami. Przechodzenie od warstwy do warstwy, zagłębiając się w wykres przez rozwijanie i zwijanie sekcji.
Sprawdzaj wewnętrzną strukturę i połączenia w wykresach z wymaganą szczegółowością.
Użyj Eksploratora modeli, aby zidentyfikować problemowe operacje, które są objęte kwantyzacją. Sortuj operacje według danych o błędach, aby znaleźć spadki jakości, uzyskać statystyki dotyczące poszczególnych warstw i porównać wyniki różnych algorytmów kwantyzacji, aby znaleźć optymalny kompromis między rozmiarem a jakością modelu.
Eksplorator modeli pozwala lepiej zrozumieć wyniki uzyskane za pomocą narzędzi do testowania porównawczego i debugowania. Poznaj operacje, które można wykonywać na GPU, sortuj operacje według opóźnienia i porównaj wydajność operacji na różnych akceleratorach.
Obsługa dużych modeli
Eksplorator modeli został zaprojektowany tak, aby bezproblemowo renderować duże modele. Tysiące węzłów? Żaden problem. Silnik renderowania oparty na procesorze graficznym umożliwia płynne renderowanie nawet bardzo dużych modeli. Wyjątkowe podejście Model Explorera do zwijania warstw, które przypomina system plików i folderów, sprawia, że poruszanie się po modelu jest łatwiejsze i szybsze.
Funkcje, które pomagają pracować szybciej
Wyszukiwarka
Podział ekranu
Nakładki danych
Zaawansowane wyszukiwanie oparte na wyrażeniach regularnych ułatwia znajdowanie, filtrowanie i wyróżnianie konkretnych węzłów.
Łatwo porównać modele wczytane obok siebie na tej samej karcie.
Wczytaj do Eksploratora modeli niestandardowe dane dotyczące poszczególnych węzłów, aby szybko zidentyfikować newralgicznie ważne miejsca i inne problemy z modelem.
Eksportowanie do pliku .png
Zakładki
Łatwy dostęp do metadanych
Wystarczy kliknąć przycisk, aby wyeksportować obraz wykresu i udostępnić go swojemu zespołowi.
Zapisuj swoją lokalizację na wykresie, dodając zakładki, dzięki czemu łatwo będzie Ci przełączać się między obszarami.
Możesz wyświetlać kształty tensorów, śledzić dane wejściowe i wyjściowe, wyróżniać identyczne warstwy oraz sprawdzać liczbę węzłów podrzędnych.
2 sposoby korzystania z Eksploratora modeli
Uruchomić lokalnie
Uruchom go w notatniku Colab
Aby skonfigurować Model Explorer na swoim komputerze lokalnym, wykonaj proste instrukcje instalacji dostępne na GitHubie. Działa w oknie przeglądarki, a wszystkie dane pozostają na urządzeniu.
Obsługuje systemy Linux, Mac i Windows.
Model Explorer działa dobrze w Colab, co oznacza, że możesz go zintegrować z dotychczasowym procesem tworzenia modeli. Wypróbuj demonotebook lub postępuj zgodnie z instrukcjami instalacji, aby dodać go do własnego notebooka.
[[["Łatwo zrozumieć","easyToUnderstand","thumb-up"],["Rozwiązało to mój problem","solvedMyProblem","thumb-up"],["Inne","otherUp","thumb-up"]],[["Brak potrzebnych mi informacji","missingTheInformationINeed","thumb-down"],["Zbyt skomplikowane / zbyt wiele czynności do wykonania","tooComplicatedTooManySteps","thumb-down"],["Nieaktualne treści","outOfDate","thumb-down"],["Problem z tłumaczeniem","translationIssue","thumb-down"],["Problem z przykładami/kodem","samplesCodeIssue","thumb-down"],["Inne","otherDown","thumb-down"]],["Ostatnia aktualizacja: 2025-01-13 UTC."],[],[],null,["# Model Explorer\n\n**A visualization tool that lets you analyze ML models and graphs, accelerating\ndeployment to on-device targets.**\n\n[Get Started](https://github.com/google-ai-edge/model-explorer/wiki/1.-Installation)\n[Try it in Colab](https://github.com/google-ai-edge/model-explorer/blob/main/example_colabs/quick_start.ipynb)\n[Learn More](https://github.com/google-ai-edge/model-explorer/)\n\n### Making edge development faster\n\nThe constraints of edge devices often necessitate extra steps to convert and\noptimize models before they run efficiently, and visualization is one of the\nmost effective ways to understand a model and identify targets for optimization.\n\n| **Conversion** | **Quantization** | **Optimization** |\n|-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|\n| Model Explorer's side-by-side comparison feature makes it easier to spot conversion-related issues. Navigate the graph layer by layer, diving deeper into the graph by expanding and collapsing sections. Inspect the internal structure and connections within graphs at the granularity you need. | Use Model Explorer to identify problematic operations affected by quantization. Sort ops by error metrics to find quality drops, get insights per layer, and compare different quantization results to find the ideal model size-quality trade-off. | Use Model Explorer to better understand the output from your benchmarking and debugging tools. Gain insights into which ops can run on GPU, sort ops by latency, and compare per-op performance across accelerators. |\n\n### Support for large models\n\nModel Explorer is designed to render large models seamlessly. Thousands of\nnodes? No problem. The GPU-based rendering engine is capable of scaling up to\nsmoothly render even very large models. And Model Explorer's unique approach to\ncollapsing layers like a system of files and folders means that it's faster and\neasier to navigate.\n\n### Features designed to help you work faster\n\n| **Search** | **Split View** | **Data Overlays** |\n|-------------------------------------------------------------------------------------|--------------------------------------------------------------------------------------------|---------------------------------------------------------------------------------------------------------------------|\n| Powerful regex-based search helps you locate, filter, and highlight specific nodes. | Load models side by side in the same tab for easy comparison. | Load custom, node-specific data into Model Explorer to quickly identify hot spots and other issues with your model. |\n| With the click of a button, export an image of the graph to share with your team. | Save your location in the graph by adding bookmarks, making it easy to jump between areas. | View tensor shapes, trace inputs and outputs, highlight identical layers, see child node counts, and more. |\n\n### Two ways to use Model Explorer\n\n| **Run it locally** | **Run it in a Colab notebook** |\n|--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|\n| Follow the easy [installation instructions](https://github.com/google-ai-edge/model-explorer/wiki/1.-Installation) on GitHub to set up Model Explorer on your local machine. It runs in a browser window and all your data stays local. Supports Linux, Mac and Windows. | Model Explorer runs well in Colab, meaning you can integrate it into your existing model development workflow. Try the [demo notebook](https://github.com/google-ai-edge/model-explorer/blob/main/example_colabs/quick_start.ipynb) or follow the [installation instructions](https://github.com/google-ai-edge/model-explorer/wiki/5.-Run-in-Colab-Notebook) to add it to your own. |"]]
