ملخص
تعمل مكتبة TensorFlow Lite Model Maker على تبسيط عملية تدريب نموذج TensorFlow Lite باستخدام مجموعة بيانات مخصصة. يستخدم نقل التعلم لتقليل كمية بيانات التدريب المطلوبة وتقصير وقت التدريب.
المهام المدعومة
تدعم مكتبة Model Maker حاليًا مهام ML التالية. انقر على الروابط أدناه للحصول على إرشادات حول كيفية تدريب النموذج.
المهام المدعومة | أداة المهام |
---|---|
تصنيف الصور: برنامج تعليمي ، API | تصنيف الصور إلى فئات محددة مسبقا. |
كشف الكائنات: البرنامج التعليمي ، API | كشف الأشياء في الوقت الحقيقي. |
تصنيف النص: البرنامج التعليمي ، API | تصنيف النص إلى فئات محددة مسبقا. |
إجابة سؤال بيرت: البرنامج التعليمي ، API | ابحث عن الإجابة في سياق معين لسؤال معين مع BERT. |
تصنيف الصوت: البرنامج التعليمي ، API | تصنيف الصوت إلى فئات محددة مسبقا. |
التوصية: العرض التوضيحي ، واجهة برمجة التطبيقات | يوصى بالعناصر بناءً على معلومات السياق للسيناريو الموجود على الجهاز. |
الباحث: البرنامج التعليمي ، API | ابحث عن نص أو صورة مماثلة في قاعدة البيانات. |
إذا لم تكن مهامك مدعومة، فيرجى أولاً استخدام TensorFlow لإعادة تدريب نموذج TensorFlow مع نقل التعلم (اتباع الأدلة مثل الصور والنصوص والصوت ) أو تدريبه من البداية، ثم تحويله إلى نموذج TensorFlow Lite.
مثال من النهاية إلى النهاية
يتيح لك Model Maker تدريب نموذج TensorFlow Lite باستخدام مجموعات بيانات مخصصة في بضعة أسطر من التعليمات البرمجية فقط. على سبيل المثال، فيما يلي خطوات تدريب نموذج تصنيف الصور.
from tflite_model_maker import image_classifier
from tflite_model_maker.image_classifier import DataLoader
# Load input data specific to an on-device ML app.
data = DataLoader.from_folder('flower_photos/')
train_data, test_data = data.split(0.9)
# Customize the TensorFlow model.
model = image_classifier.create(train_data)
# Evaluate the model.
loss, accuracy = model.evaluate(test_data)
# Export to Tensorflow Lite model and label file in `export_dir`.
model.export(export_dir='/tmp/')
لمزيد من التفاصيل، راجع دليل تصنيف الصور .
تثبيت
هناك طريقتان لتثبيت Model Maker.
- قم بتثبيت حزمة النقاط المعدة مسبقًا.
pip install tflite-model-maker
إذا كنت ترغب في تثبيت الإصدار الليلي، يرجى اتباع الأمر:
pip install tflite-model-maker-nightly
- انسخ الكود المصدري من GitHub وقم بتثبيته.
git clone https://github.com/tensorflow/examples
cd examples/tensorflow_examples/lite/model_maker/pip_package
pip install -e .
يعتمد TensorFlow Lite Model Maker على حزمة TensorFlow pip . بالنسبة لبرامج تشغيل وحدة معالجة الرسومات، يرجى الرجوع إلى دليل وحدة معالجة الرسومات الخاصة بـ TensorFlow أو دليل التثبيت .
مرجع بايثون API
يمكنك معرفة واجهات برمجة التطبيقات العامة الخاصة بـ Model Maker في مرجع API .