Các mô hình được tạo sẵn là các mô hình đã được đào tạo cho một mục đích cụ thể. Có nhiều mô hình nguồn mở đã được đào tạo mà bạn có thể sử dụng ngay với TensorFlow.js để hoàn thành nhiều tác vụ học máy. Chủ đề này cung cấp hướng dẫn về cách tìm và chọn các mô hình được tạo sẵn cho trường hợp sử dụng của bạn.
Lợi ích của việc sử dụng mô hình làm sẵn
TensorFlow.js có rất nhiều mô hình được tạo sẵn có thể được sử dụng trong bất kỳ dự án nào ngay lập tức và mang lại cho bạn những lợi ích đáng kể sau:
- Tiết kiệm thời gian và nguồn lực : Tránh các quy trình tốn thời gian trong việc thu thập, chuẩn bị và dán nhãn dữ liệu, sau đó đào tạo, đánh giá và cải tiến mô hình. Có thể tạo nguyên mẫu ý tưởng của bạn một cách nhanh chóng.
- Tận dụng nghiên cứu và tài liệu hiện có : Nghiên cứu tiên tiến được sử dụng trong việc phát triển các mô hình tạo sẵn cho phép bạn nhanh chóng triển khai chúng đồng thời hiểu cách chúng hoạt động trong các tình huống thực tế khác nhau.
- Cho phép học chuyển giao : Các mô hình được tạo sẵn cho phép bạn sử dụng thông tin mà một mô hình đã học được cho một nhiệm vụ trong một trường hợp sử dụng tương tự khác. Quá trình học chuyển giao này sẽ cho phép bạn đào tạo các mô hình hiện có một cách nhanh chóng trên dữ liệu tùy chỉnh.
Tìm một mô hình
Việc tìm mô hình TensorFlow.js hiện có cho trường hợp sử dụng của bạn tùy thuộc vào những gì bạn đang cố gắng thực hiện. Ví dụ: ứng dụng của bạn cần chạy ở phía máy khách hay phía máy chủ? Các yếu tố như quyền riêng tư, tốc độ và độ chính xác quan trọng như thế nào? vân vân.
Dưới đây là một số cách được đề xuất để khám phá các mô hình sử dụng với TensorFlow.js:
Ví dụ: Cách nhanh nhất để tìm và bắt đầu sử dụng các mô hình với TensorFlow.js là duyệt qua phần demo của TensorFlow.js để tìm các demo thực hiện tác vụ tương tự như trường hợp sử dụng của bạn. Danh mục này cung cấp các trường hợp sử dụng ví dụ thú vị cùng với các liên kết tới mã sẽ giúp bạn bắt đầu.
Theo loại dữ liệu đầu vào: Ngoài việc xem xét các ví dụ tương tự với trường hợp sử dụng của bạn, một cách khác để khám phá các mô hình cho mục đích sử dụng của riêng bạn là xem xét loại dữ liệu bạn muốn xử lý, chẳng hạn như âm thanh, văn bản hoặc hình ảnh. Các mô hình học máy thường được thiết kế để sử dụng với một trong các loại dữ liệu này, vì vậy, việc tìm kiếm các mô hình xử lý loại dữ liệu bạn muốn sử dụng có thể giúp bạn thu hẹp những mô hình cần xem xét. Bạn có thể bắt đầu duyệt qua các mô hình TensorFlow.js dựa trên các trường hợp sử dụng chung trong phần Mô hình TensorFlow.js hoặc duyệt qua bộ mô hình lớn hơn trên TensorFlow Hub . Trên TensorFlow Hub, bạn có thể sử dụng bộ lọc Miền sự cố để xem các loại dữ liệu mô hình và thu hẹp danh sách của mình.
Danh sách sau đây liên kết đến các mô hình TensorFlow.js trên TensorFlow Hub cho các trường hợp sử dụng phổ biến:
- Mô hình phân loại hình ảnh
- Mô hình phát hiện đối tượng
- Mô hình văn bản
- Mô hình âm thanh
Lựa chọn giữa các mô hình tương tự
Nếu ứng dụng của bạn tuân theo trường hợp sử dụng phổ biến như phân loại hình ảnh hoặc phát hiện đối tượng, bạn có thể tìm thấy nhiều mô hình TensorFlow.js phù hợp với nhu cầu của mình. Khi bạn có một số mô hình có thể áp dụng cho trường hợp sử dụng của mình, bạn muốn xác định mô hình sẽ cung cấp giải pháp tốt nhất. Để làm điều này, hãy xem xét các khía cạnh sau của từng mô hình:
- Tốc độ suy luận
- Kích thước tệp
- Mức sử dụng RAM trong thời gian chạy
- Tính năng/khả năng của mô hình
Khi quyết định giữa một số mô hình, trước tiên bạn có thể thu hẹp các tùy chọn dựa trên ràng buộc hạn chế nhất của mình như kích thước mô hình, kích thước dữ liệu, tốc độ suy luận hoặc độ chính xác, v.v.
Nếu bạn không chắc ràng buộc hạn chế nhất của mình là gì, hãy giả sử đó là kích thước của mô hình và chọn mô hình nhỏ nhất có sẵn. Chọn một mô hình nhỏ mang lại cho bạn sự linh hoạt nhất về nơi bạn có thể triển khai và chạy mô hình thành công. Các mô hình nhỏ hơn cũng thường tạo ra các suy luận nhanh hơn và các dự đoán nhanh hơn thường tạo ra trải nghiệm tốt hơn cho người dùng cuối. Tuy nhiên , các mô hình nhỏ hơn thường có tỷ lệ chính xác thấp hơn, do đó, bạn có thể cần chọn các mô hình lớn hơn nếu độ chính xác của dự đoán là mối quan tâm chính của bạn.
Nguồn cho các mô hình
Các mô hình được tạo sẵn trong TensorFlow.js thường có hai dạng. Các mô hình chính thức được gói gọn trong các lớp JavaScript giúp việc triển khai chúng trong ứng dụng của bạn trở nên đơn giản. Một số khác ở dạng thô có thể yêu cầu mã bổ sung cho dữ liệu đầu vào và đầu ra của quá trình trước/sau.
Sử dụng các mô hình TensorFlow.js làm điểm đến đầu tiên để tìm và chọn các mô hình để sử dụng với TensorFlow.js. Đây là các mô hình chính thức do nhóm TensorFlow.js cung cấp. Các mô hình này đã có trình bao bọc JavaScript giúp việc tích hợp vào mã của bạn trở nên đơn giản. Trang web TensorFlow Hub cung cấp các mô hình bổ sung. Lưu ý rằng các mô hình trong Hub có thể ở định dạng thô nên bạn cần phải thực hiện thêm công việc để tích hợp.
Mô hình TensorFlow
Có thể chuyển đổi các mô hình TensorFlow thông thường sang định dạng TensorFlow.js. Để biết thêm thông tin về chuyển đổi mô hình, hãy xem chủ đề Chuyển đổi mô hình . Bạn có thể tìm thấy các mô hình TensorFlow trên TensorFlow Hub và trong TensorFlow Model Garden .
Đọc thêm
- Bây giờ bạn đã biết nơi tìm các mô hình sẵn sàng để sử dụng, hãy xem hướng dẫn gốc về React để tìm hiểu cách bạn có thể sử dụng mô hình đó trong ứng dụng web.