مدل های از پیش ساخته شده مدل هایی هستند که قبلا برای یک هدف خاص آموزش دیده اند. انواع مختلفی از مدل‌های منبع باز آموزش دیده وجود دارد که می‌توانید بلافاصله با TensorFlow.js برای انجام بسیاری از وظایف یادگیری ماشین استفاده کنید. این مبحث راهنمایی هایی در مورد چگونگی پیدا کردن و انتخاب مدل های از پیش ساخته شده برای مورد استفاده شما ارائه می دهد.
مزایای استفاده از مدل های از پیش ساخته شده
TensorFlow.js دارای طیف گسترده ای از مدل های از پیش ساخته شده است که می تواند در هر پروژه ای از جعبه استفاده شود و مزایای قابل توجه زیر را در اختیار شما قرار می دهد:
- صرفه جویی در زمان و منابع : از فرآیندهای وقت گیر جمع آوری، آماده سازی و برچسب گذاری داده ها، سپس آموزش، ارزیابی و بهبود مدل خودداری کنید. بتوانید ایده های خود را به سرعت نمونه سازی کنید.
- از تحقیقات و اسناد موجود استفاده کنید : تحقیقات پیشرفته‌ای که در توسعه مدل‌های از پیش ساخته استفاده می‌شود، به شما امکان می‌دهد تا به سرعت آنها را مستقر کنید و در عین حال درک کنید که چگونه آنها در سناریوهای مختلف دنیای واقعی عمل می‌کنند.
- فعال کردن یادگیری انتقال : مدل‌های از پیش ساخته شده به شما این امکان را می‌دهند که از اطلاعات آموخته‌شده توسط یک مدل برای یک کار در مورد دیگر مشابه استفاده کنید. این فرآیند یادگیری انتقال شما را قادر می سازد تا مدل های موجود را به سرعت بر روی داده های سفارشی آموزش دهید.
یه مدل پیدا کن
یافتن یک مدل TensorFlow.js موجود برای استفاده شما بستگی به کاری دارد که می‌خواهید انجام دهید. به عنوان مثال، آیا برنامه شما باید در سمت سرویس گیرنده یا سمت سرور اجرا شود؟ عواملی مانند حریم خصوصی، سرعت و دقت چقدر مهم هستند؟ و غیره
در اینجا چند روش توصیه شده برای کشف مدل‌ها برای استفاده با TensorFlow.js وجود دارد:
به عنوان مثال: سریع‌ترین راه برای یافتن و شروع استفاده از مدل‌ها با TensorFlow.js این است که بخش نمایشی TensorFlow.js را مرور کنید تا نسخه‌های نمایشی را پیدا کنید که کار مشابه مورد استفاده شما را انجام می‌دهند. این کاتالوگ موارد استفاده جالبی را با پیوندهایی به کد ارائه می دهد که به شما در شروع کار کمک می کند.
بر اساس نوع ورودی داده: جدای از نگاه کردن به نمونه‌های مشابه مورد استفاده شما، راه دیگری برای کشف مدل‌هایی برای استفاده خودتان این است که نوع داده‌ای را که می‌خواهید پردازش کنید، مانند صدا، متن یا تصاویر، در نظر بگیرید. مدل‌های یادگیری ماشین اغلب برای استفاده با یکی از این نوع داده‌ها طراحی می‌شوند، بنابراین جستجوی مدل‌هایی که نوع داده‌ای را که می‌خواهید استفاده کنید، می‌تواند به شما کمک کند مدل‌هایی را که باید در نظر بگیرید محدود کنید. می‌توانید مرور مدل‌های TensorFlow.js را بر اساس موارد استفاده عمومی در بخش مدل‌های TensorFlow.js شروع کنید، یا مجموعه بزرگ‌تری از مدل‌ها را در TensorFlow Hub مرور کنید. در TensorFlow Hub، می‌توانید از فیلتر دامنه مشکل برای مشاهده انواع داده‌های مدل و محدود کردن لیست خود استفاده کنید.
لیست زیر به مدل‌های TensorFlow.js در TensorFlow Hub برای موارد استفاده رایج پیوند دارد:
- مدل های طبقه بندی تصاویر
- مدل های تشخیص اشیا
- مدل های متن
- مدل های صوتی
از بین مدل های مشابه یکی را انتخاب کنید
اگر برنامه شما از یک مورد معمول مانند طبقه بندی تصویر یا تشخیص اشیا پیروی می کند، ممکن است چندین مدل TensorFlow.js متناسب با نیاز خود پیدا کنید. هنگامی که مدل هایی را دارید که برای مورد استفاده شما قابل استفاده هستند، می خواهید مدلی را که بهترین راه حل را ارائه می دهد شناسایی کنید. برای انجام این کار، جنبه های زیر را از هر مدل در نظر بگیرید:
- سرعت استنتاج
- اندازه فایل
- استفاده از رم در زمان اجرا
- ویژگی ها/قابلیت های مدل
هنگام تصمیم گیری بین تعدادی از مدل ها، می توانید گزینه های خود را ابتدا بر اساس محدودترین محدودیت خود مانند اندازه مدل، اندازه داده، سرعت استنتاج، یا دقت و غیره محدود کنید.
اگر مطمئن نیستید محدودترین محدودیت شما چیست، فرض کنید اندازه مدل است و کوچکترین مدل موجود را انتخاب کنید. انتخاب یک مدل کوچک بیشترین انعطاف را از نظر مکانی که می توانید با موفقیت مدل را استقرار و اجرا کنید به شما می دهد. مدل‌های کوچک‌تر نیز معمولاً استنباط‌های سریع‌تری تولید می‌کنند و پیش‌بینی‌های سریع‌تر معمولاً تجربیات کاربر نهایی بهتری ایجاد می‌کنند. با این حال ، مدل‌های کوچک‌تر معمولاً نرخ‌های دقت پایین‌تری دارند، بنابراین اگر دقت پیش‌بینی دغدغه اصلی شما باشد، ممکن است لازم باشد مدل‌های بزرگ‌تری را انتخاب کنید.
منابع برای مدل ها
مدل‌های از پیش ساخته شده در TensorFlow.js معمولاً به دو شکل در دسترس هستند. مدل‌های رسمی در کلاس‌های جاوا اسکریپت قرار می‌گیرند و به کارگیری آنها در برنامه شما ساده می‌شوند. برخی دیگر به شکل خام هستند که ممکن است برای پردازش داده های ورودی و خروجی به کد اضافی نیاز داشته باشند.
از مدل های TensorFlow.js به عنوان اولین مقصد خود برای یافتن و انتخاب مدل هایی برای استفاده با TensorFlow.js استفاده کنید. اینها مدل‌های رسمی ارائه‌شده توسط تیم TensorFlow.js هستند که قبلاً دارای بسته‌بندی‌های جاوا اسکریپت هستند که ادغام در کد شما را ساده می‌کنند. سایت TensorFlow Hub مدل های بیشتری را ارائه می دهد. توجه داشته باشید که مدل‌های موجود در Hub ممکن است در قالب خام باشند که برای یکپارچه‌سازی آن نیاز به کار بیشتری از جانب شما دارد.
مدل های تنسورفلو
امکان تبدیل مدل های معمولی TensorFlow به فرمت TensorFlow.js وجود دارد. برای اطلاعات بیشتر در مورد تبدیل مدل ها به مبحث تبدیل مدل مراجعه کنید. می‌توانید مدل‌های TensorFlow را در TensorFlow Hub و در TensorFlow Model Garden پیدا کنید.
در ادامه مطلب
- اکنون که می‌دانید کجا می‌توانید مدل‌های آماده برای استفاده را پیدا کنید، به آموزش بومی React مراجعه کنید تا بدانید چگونه می‌توانید از چنین مدلی در یک برنامه وب استفاده کنید.