Modele gotowe to modele, które zostały już przeszkolone do określonego celu. Istnieje wiele już przeszkolonych modeli typu open source, których można natychmiast używać z TensorFlow.js do wykonywania wielu zadań uczenia maszynowego. W tym temacie znajdują się wskazówki dotyczące wyszukiwania i wybierania gotowych modeli dla danego przypadku użycia.
Korzyści z korzystania z gotowych modeli
TensorFlow.js zawiera szeroką gamę gotowych modeli, które można wykorzystać w dowolnym projekcie od razu po wyjęciu z pudełka i zapewnić następujące znaczące korzyści:
- Oszczędź czas i zasoby : Unikaj czasochłonnych procesów gromadzenia, przygotowywania i etykietowania danych, a następnie szkolenia, oceny i ulepszania modelu. Możliwość szybkiego prototypowania swoich pomysłów.
- Wykorzystaj istniejące badania i dokumentację : najnowocześniejsze badania wykorzystane do opracowania gotowych modeli umożliwiają szybkie ich wdrożenie, jednocześnie rozumiejąc, jak radzą sobie w różnych rzeczywistych scenariuszach.
- Włącz uczenie się poprzez transfer : gotowe modele umożliwiają wykorzystanie informacji zdobytych przez model do wykonania zadania w innym, podobnym przypadku użycia. Ten proces uczenia się transferu umożliwi szybkie uczenie istniejących modeli na niestandardowych danych.
Znajdź model
Znalezienie istniejącego modelu TensorFlow.js dla Twojego przypadku użycia zależy od tego, co próbujesz osiągnąć. Na przykład, czy Twoja aplikacja musi działać po stronie klienta czy serwera? Jak ważne są takie czynniki, jak prywatność, szybkość i dokładność? itp.
Oto kilka zalecanych sposobów odkrywania modeli do użytku z TensorFlow.js:
Przykład: najszybszym sposobem na znalezienie modeli z TensorFlow.js i rozpoczęcie ich używania jest przejrzenie sekcji wersji demonstracyjnych TensorFlow.js w celu znalezienia wersji demonstracyjnych, które wykonują zadanie podobne do Twojego przypadku użycia. W tym katalogu znajdziesz zabawne przykłady użycia z łączami do kodu, które pomogą Ci zacząć.
Według typu danych wejściowych: Oprócz przeglądania przykładów podobnych do Twojego przypadku użycia, innym sposobem odkrywania modeli na własny użytek jest rozważenie rodzaju danych, które chcesz przetwarzać, takich jak dźwięk, tekst lub obrazy. Modele uczenia maszynowego są często projektowane do użytku z jednym z tych typów danych, więc szukanie modeli obsługujących typ danych, którego chcesz użyć, może pomóc w zawężeniu wyboru modeli do rozważenia. Możesz rozpocząć przeglądanie modeli TensorFlow.js w oparciu o ogólne przypadki użycia w sekcji modeli TensorFlow.js lub przeglądać większy zestaw modeli w TensorFlow Hub . W TensorFlow Hub możesz użyć filtru domeny Problem , aby wyświetlić typy danych modelu i zawęzić listę.
Poniższa lista zawiera linki do modeli TensorFlow.js w TensorFlow Hub dla typowych przypadków użycia:
- Modele klasyfikacji obrazów
- Modele detekcji obiektów
- Modele tekstowe
- Modele dźwiękowe
Wybieraj spośród podobnych modeli
Jeśli Twoja aplikacja jest zgodna z typowym przypadkiem użycia, takim jak klasyfikacja obrazu lub wykrywanie obiektów, możesz znaleźć wiele modeli TensorFlow.js, które odpowiadają Twoim potrzebom. Kiedy już będziesz mieć kilka modeli, które można zastosować w Twoim przypadku użycia, warto zidentyfikować model, który zapewni najlepsze rozwiązanie. Aby to zrobić, należy wziąć pod uwagę następujące aspekty każdego modelu:
- Szybkość wnioskowania
- Rozmiar pliku
- Użycie pamięci RAM w czasie wykonywania
- Cechy/możliwości modelu
Decydując się między kilkoma modelami, możesz zawęzić opcje w pierwszej kolejności na podstawie najbardziej ograniczających ograniczeń, takich jak rozmiar modelu, rozmiar danych, szybkość wnioskowania lub dokładność itp.
Jeśli nie masz pewności, jakie jest Twoje najbardziej ograniczające ograniczenie, załóż, że jest to rozmiar modelu i wybierz najmniejszy dostępny model. Wybranie małego modelu zapewnia największą elastyczność pod względem miejsca, w którym można pomyślnie wdrożyć i uruchomić model. Mniejsze modele zazwyczaj pozwalają na szybsze wyciąganie wniosków, a szybsze przewidywania zazwyczaj zapewniają lepsze doświadczenia użytkownika końcowego. Jednak mniejsze modele mają zazwyczaj niższy współczynnik dokładności, dlatego może być konieczne wybranie większych modeli, jeśli najważniejsza jest dokładność przewidywań.
Źródła modeli
Gotowe modele w TensorFlow.js są zazwyczaj dostępne w dwóch formach. Oficjalne modele są opakowane w klasy JavaScript, dzięki czemu można je łatwo wdrożyć w aplikacji. Inne mają postać surową i mogą wymagać dodatkowego kodu do przetwarzania danych wejściowych i wyjściowych przed/po przetworzeniu.
Użyj modeli TensorFlow.js jako pierwszego miejsca docelowego do wyszukiwania i wybierania modeli do użycia z TensorFlow.js. Są to oficjalne modele dostarczone przez zespół TensorFlow.js, które mają już opakowania JavaScript ułatwiające integrację z kodem. Witryna TensorFlow Hub udostępnia dodatkowe modele. Pamiętaj, że modele w Hubie mogą mieć surowy format, którego integracja wymaga dodatkowej pracy z Twojej strony.
Modele TensorFlow
Istnieje możliwość konwersji zwykłych modeli TensorFlow do formatu TensorFlow.js. Więcej informacji na temat konwertowania modeli można znaleźć w temacie Konwersja modelu . Modele TensorFlow można znaleźć w TensorFlow Hub i w TensorFlow Model Garden .
Dalsza lektura
- Teraz, gdy już wiesz, gdzie znaleźć modele gotowe do użycia, zapoznaj się z samouczkiem React native, aby dowiedzieć się, jak wykorzystać taki model w aplikacji internetowej.