MediaPipe Model Maker एक ऐसा टूल है जो आपके डेटा और ऐप्लिकेशन के साथ काम करने के लिए, मौजूदा मशीन लर्निंग (एमएल) मॉडल को पसंद के मुताबिक बनाता है. नया एमएल मॉडल बनाने और उसकी ट्रेनिंग के लिए, इस टूल को एक तेज़ विकल्प के तौर पर इस्तेमाल किया जा सकता है. मॉडल मेकर, एमएल ट्रेनिंग की एक ऐसी तकनीक का इस्तेमाल करता है जिसे ट्रांसफ़र लर्निंग कहते हैं. यह मौजूदा मॉडल को फिर से नया डेटा उपलब्ध कराती है. यह तकनीक मौजूदा मॉडल लॉजिक के एक बड़े हिस्से का दोबारा इस्तेमाल करती है. इसका मतलब है कि नए मॉडल को ट्रेनिंग देने के मुकाबले, ट्रेनिंग में कम समय लगता है और कम डेटा में भी इसे पूरा किया जा सकता है.
मॉडल मेकर कई तरह के मॉडल पर काम करता है. इनमें ऑब्जेक्ट का पता लगाना, हाथ के जेस्चर (हाव-भाव) की पहचान करना या इमेज, टेक्स्ट या ऑडियो डेटा की कैटगरी तय करना शामिल है. यह टूल, मॉडल की आखिरी कुछ लेयर को हटाकर मॉडल को फिर से ट्रेनिंग देता है, जो डेटा को खास कैटगरी में बांटती है. साथ ही, आपके दिए गए नए डेटा का इस्तेमाल करके उन लेयर को फिर से बनाती है. सटीक और प्रदर्शन को बेहतर बनाने के लिए मॉडल परतों को बेहतर बनाने के लिए कुछ विकल्पों का भी मॉडल मेकर समर्थन करता है.
पहला डायग्राम. मॉडल मेकर मौजूदा मॉडल की आखिरी लेयर को हटा देता है और उन्हें नए डेटा के साथ फिर से बनाता है.
मॉडल मेकर का इस्तेमाल करके किसी मॉडल को फिर से ट्रेनिंग देने से आम तौर पर मॉडल छोटा हो जाता है, खास तौर पर तब, जब आप नए मॉडल को कम चीज़ों को पहचानने के लिए फिर से सिखाएँ. इसका इसका मतलब है कि मॉडल मेकर का इस्तेमाल करके ऐसे मॉडल बनाए जा सकते हैं जो आपके ऐप्लिकेशन के लिए बेहतर काम करें. इस टूल से आपको संख्या तय करने जैसी मशीन लर्निंग टेक्नोलॉजी का इस्तेमाल करने में भी मदद मिल सकती है. इससे आपका मॉडल, कम संसाधनों का इस्तेमाल करेगा और ज़्यादा बेहतर तरीके से काम करेगा.
ट्रेनिंग के लिए डेटा की ज़रूरी शर्तें
किसी नए मॉडल को ट्रेनिंग देने की तुलना में, कम डेटा वाले मॉडल को फिर से ट्रेनिंग देने के लिए, Model Maker का इस्तेमाल किया जा सकता है. नए डेटा वाले मॉडल को फिर से ट्रेन करते समय, आपको हर ट्रेनिंग क्लास के लिए करीब 100 डेटा सैंपल रखने चाहिए. उदाहरण के लिए, अगर आपको बिल्लियों, कुत्तों, और तोते की पहचान करने के लिए, इमेज क्लासिफ़िकेशन मॉडल को फिर से तैयार करना है, तो आपके पास बिल्लियों की करीब 100 इमेज, कुत्तों की 100 इमेज, और तोतों की 100 इमेज होनी चाहिए. अपने ऐप्लिकेशन के आधार पर, हर कैटगरी के लिए पहले से भी कम डेटा के साथ काम के मॉडल को फिर से ट्रेनिंग दी जा सकती है. हालांकि, बड़े डेटासेट से आम तौर पर आपके मॉडल को ज़्यादा सटीक बनाने में मदद मिलती है. अपना ट्रेनिंग डेटासेट बनाते समय, याद रखें कि रीट्रेनिंग प्रोसेस के दौरान आपका ट्रेनिंग डेटा, आम तौर पर ट्रेनिंग के लिए 80%, टेस्टिंग के लिए 10%, और पुष्टि के लिए बाकी का बचा हुआ रहता है.
कस्टमाइज़ेशन की सीमाएं
रीट्रेनिंग प्रोसेस, क्लासिफ़िकेशन की पिछली लेयर हटा देती है. इसलिए, नतीजे वाला मॉडल सिर्फ़ नए डेटा में दिए गए आइटम या क्लास की पहचान कर सकता है. अगर पुराने मॉडल को 30 अलग-अलग आइटम क्लास की पहचान करने के लिए ट्रेनिंग दी गई है और आपको 10 अलग-अलग आइटम का डेटा फिर से इस्तेमाल करने के लिए, Model Maker का इस्तेमाल करना है, तो नया मॉडल सिर्फ़ उन 10 नए आइटम की पहचान कर पाएगा.
मॉडल मेकर की मदद से किसी मॉडल को फिर से ट्रेनिंग देने से, इस बात पर कोई असर नहीं पड़ता कि मूल एमएल मॉडल को किस तरह से बनाया गया है. भले ही, ये जॉब एक जैसे हों. उदाहरण के लिए, इमेज क्लासिफ़िकेशन मॉडल से ऑब्जेक्ट की पहचान करने के लिए इस टूल का इस्तेमाल नहीं किया जा सकता. हालांकि, ये टास्क एक जैसे होते हैं.
शुरू करें
MediaPipe Model Maker का इस्तेमाल करके शुरू किया जा सकता है. इसके लिए, MediaPipe Solutions के कस्टमाइज़ेशन ट्यूटोरियल, जैसे कि इमेज क्लासिफ़िकेशन में से किसी एक को चलाकर MediaPipe Model Maker का इस्तेमाल शुरू किया जा सकता है.