O TensorFlow Lite usa modelos do TensorFlow convertidos em um formato de modelo de aprendizado de máquina (ML) menor e mais eficiente. Você pode usar modelos pré-treinados com o TensorFlow Lite, modificar modelos existentes ou criar seus próprios modelos do TensorFlow e convertê-los para o formato do TensorFlow Lite. Os modelos do TensorFlow Lite podem executar praticamente qualquer tarefa que um modelo normal do TensorFlow pode fazer: detecção de objetos, processamento de linguagem natural, reconhecimento de padrões e muito mais usando uma ampla variedade de dados de entrada, incluindo imagens, vídeo, áudio e texto.
Roteiro de aprendizagem
Tem um modelo TensorFlow?
Vá para a seção Converter para obter informações sobre como executar seu modelo com o TensorFlow Lite.Precisa de um modelo para o TensorFlow Lite?
Para obter orientação sobre como obter modelos para seu caso de uso, continue lendo .Obtenha modelos para o TensorFlow Lite
Você não precisa criar um modelo do TensorFlow Lite para começar a usar o aprendizado de máquina em dispositivos móveis ou de borda. Muitos modelos já construídos e otimizados estão disponíveis para você usar imediatamente em sua aplicação. Você pode começar usando modelos pré-treinados no TensorFlow Lite e avançar para a criação de modelos personalizados ao longo do tempo, da seguinte maneira:
- Comece a desenvolver recursos de aprendizado de máquina com modelos já treinados.
- Modifique os modelos existentes do TensorFlow Lite usando ferramentas como Model Maker .
- Crie um modelo personalizado com as ferramentas do TensorFlow e converta -o para o TensorFlow Lite.
Usando modelos para tarefas rápidas: ML Kit
Se você estiver tentando implementar rapidamente recursos ou tarefas de utilitário com aprendizado de máquina, revise os casos de uso compatíveis com o ML Kit antes de iniciar o desenvolvimento com o TensorFlow Lite. Essa ferramenta de desenvolvimento fornece APIs que você pode chamar diretamente de aplicativos móveis para concluir tarefas comuns de ML, como leitura de código de barras e tradução no dispositivo. Usar este método pode ajudá-lo a obter resultados rapidamente. No entanto, o ML Kit tem opções limitadas para estender seus recursos. Para obter mais informações, consulte a documentação do desenvolvedor do ML Kit .
Construindo modelos para seu aplicativo: restrições
Se construir um modelo personalizado para seu caso de uso específico for seu objetivo final, comece desenvolvendo e treinando um modelo do TensorFlow ou estendendo um já existente. Antes de iniciar o processo de desenvolvimento do modelo, você deve estar ciente das restrições dos modelos do TensorFlow Lite e criar seu modelo com estas restrições em mente:
- Recursos de computação limitados
- Tamanho dos modelos
- Tamanho dos dados
- Operações do TensorFlow compatíveis
Para obter mais detalhes sobre cada uma dessas restrições, consulte as restrições de design do modelo na visão geral da construção do modelo. Para obter mais informações sobre como criar modelos eficazes, compatíveis e de alto desempenho para o TensorFlow Lite, consulte Práticas recomendadas de desempenho .