MediaPipe Model Maker هي أداة لتخصيص نماذج تعلُّم الآلة الحالية للعمل مع بياناتك وتطبيقاتك. يمكنك استخدام هذه الأداة كبديل أسرع لإنشاء نموذج تعلُّم الآلة الجديد وتدريبه. يستخدم "مصمم النماذج" أسلوبًا لتدريب تعلُّم الآلة يُطلق عليه نقل التعلّم، والذي يعيد تدريب النماذج الحالية باستخدام البيانات الجديدة. تعيد هذه التقنية استخدام جزء مهم من منطق النموذج الحالي، مما يعني أن التدريب يستغرق وقتًا أقل من تدريب نموذج جديد، ويمكن إجراؤه باستخدام بيانات أقل.
يعمل "مصمم النماذج" على أنواع مختلفة من النماذج بما في ذلك اكتشاف الأشياء أو التعرف على الإيماءات أو مصنفات الصور أو النصوص أو البيانات الصوتية. تعيد الأداة تدريب النماذج بإزالة الطبقات القليلة الأخيرة من النموذج التي تصنف البيانات إلى فئات محددة، وتعيد إنشاء تلك الطبقات باستخدام البيانات الجديدة التي توفرها. يدعم مصمم النماذج أيضًا بعض الخيارات لضبط طبقات النموذج لتحسين الدقة والأداء.
الشكل 1. يزيل مصمم النماذج الطبقات النهائية من أي نموذج حالي ويعيد بنائها ببيانات جديدة.
تجعل إعادة تدريب أي نموذج باستخدام مصمم النماذج بوجه عام أصغر النموذج، خصوصًا إذا أعدت تدريب النموذج الجديد للتعرف على أشياء أقل. وهذا يعني أنه يمكنك استخدام مصمم النماذج لإنشاء نماذج أكثر تركيزًا وتناسب تطبيقك بشكل أفضل. يمكن أن تساعدك الأداة أيضًا في تطبيق أساليب تعلُّم الآلة مثل تحديد الكمي حتى يستخدم نموذجك موارد أقل ويعمل بكفاءة أكبر.
متطلبات بيانات التدريب
يمكنك استخدام مصمم النماذج لإعادة تدريب النماذج ببيانات أقل بكثير من تدريب نموذج جديد. عند إعادة تدريب نموذج باستخدام بيانات جديدة، يجب أن تهدف إلى الحصول على ما يقرب من 100 عينة بيانات لكل فئة مدرَّبة. على سبيل المثال، إذا كنت تعيد تدريب نموذج تصنيف الصور للتعرف على القطط والكلاب والببغاوات، فيجب أن يكون لديك حوالي 100 صورة للقطط و100 صورة للكلاب و100 صورة للببغاوات. واعتمادًا على طلبك، قد تتمكن من إعادة تدريب أي نموذج مفيد ببيانات أقل لكل فئة، على الرغم من أن استخدام مجموعة بيانات أكبر يؤدي بشكل عام إلى تحسين دقة النموذج. عند إنشاء مجموعة بيانات التدريب الخاصة بك، تذكر أن بيانات التدريب يتم تقسيمها أثناء عملية إعادة التدريب، عادةً 80% للتدريب، و10% للاختبار، والباقي للتحقق.
حدود التخصيص
وبما أنّ عملية إعادة التدريب تؤدي إلى إزالة طبقات التصنيف السابقة، لا يمكن للنموذج الناتج التعرّف إلا على العناصر أو الفئات المقدَّمة في البيانات الجديدة. إذا تم تدريب النموذج القديم للتعرّف على 30 فئة عناصر مختلفة، واستخدمت "مصمم النماذج" لإعادة التدريب باستخدام بيانات لـ 10 عناصر مختلفة، فلن يتمكن النموذج الناتج من التعرّف إلا على تلك العناصر العشرة الجديدة.
لا يمكن أن تؤدي إعادة تدريب أي نموذج باستخدام "مصمم النماذج" إلى تغيير ما تم إنشاء نموذج تعلُّم الآلة الأصلي لحله، حتى لو كانت هذه الوظائف متشابهة. على سبيل المثال، لا يمكنك استخدام الأداة لجعل نموذج تصنيف الصور يمكنه رصد العناصر، على الرغم من أنّ هذه المهام تشترك في بعض التشابه.
البدء
يمكنك البدء في استخدام MediaPipe Model Maker من خلال تشغيل أحد الحلول البرامج التعليمية للتخصيص الخاصة بحلول MediaPipe، مثل تصنيف الصور