TensorFlow लाइट मॉडल मेकर

अवलोकन

TensorFlow Lite मॉडल मेकर लाइब्रेरी कस्टम डेटासेट का उपयोग करके TensorFlow Lite मॉडल को प्रशिक्षित करने की प्रक्रिया को सरल बनाती है। यह आवश्यक प्रशिक्षण डेटा की मात्रा को कम करने और प्रशिक्षण समय को कम करने के लिए ट्रांसफर लर्निंग का उपयोग करता है।

समर्थित कार्य

मॉडल मेकर लाइब्रेरी वर्तमान में निम्नलिखित एमएल कार्यों का समर्थन करती है। मॉडल को प्रशिक्षित करने के तरीके के बारे में मार्गदर्शन के लिए नीचे दिए गए लिंक पर क्लिक करें।

समर्थित कार्य कार्य उपयोगिता
छवि वर्गीकरण: ट्यूटोरियल , एपीआई छवियों को पूर्वनिर्धारित श्रेणियों में वर्गीकृत करें।
ऑब्जेक्ट डिटेक्शन: ट्यूटोरियल , एपीआई वास्तविक समय में वस्तुओं का पता लगाएं।
पाठ वर्गीकरण: ट्यूटोरियल , एपीआई पाठ को पूर्वनिर्धारित श्रेणियों में वर्गीकृत करें।
बर्ट प्रश्न उत्तर: ट्यूटोरियल , एपीआई BERT के साथ दिए गए प्रश्न के लिए एक निश्चित संदर्भ में उत्तर खोजें।
ऑडियो वर्गीकरण: ट्यूटोरियल , एपीआई ऑडियो को पूर्वनिर्धारित श्रेणियों में वर्गीकृत करें।
सिफ़ारिश: डेमो , एपीआई ऑन-डिवाइस परिदृश्य के लिए संदर्भ जानकारी के आधार पर आइटम की अनुशंसा करें।
खोजकर्ता: ट्यूटोरियल , एपीआई डेटाबेस में समान पाठ या छवि खोजें।

यदि आपके कार्य समर्थित नहीं हैं, तो कृपया पहले TensorFlow मॉडल को ट्रांसफर लर्निंग ( छवियों , पाठ , ऑडियो जैसे गाइडों का पालन करते हुए) के साथ फिर से प्रशिक्षित करने के लिए TensorFlow का उपयोग करें या इसे स्क्रैच से प्रशिक्षित करें, और फिर इसे TensorFlow Lite मॉडल में परिवर्तित करें ।

एंड-टू-एंड उदाहरण

मॉडल मेकर आपको कोड की कुछ पंक्तियों में कस्टम डेटासेट का उपयोग करके टेन्सरफ्लो लाइट मॉडल को प्रशिक्षित करने की अनुमति देता है। उदाहरण के लिए, छवि वर्गीकरण मॉडल को प्रशिक्षित करने के चरण यहां दिए गए हैं।

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/')

अधिक विवरण के लिए, छवि वर्गीकरण मार्गदर्शिका देखें।

इंस्टालेशन

मॉडल मेकर को स्थापित करने के दो तरीके हैं।

  • एक पूर्वनिर्मित पिप पैकेज स्थापित करें।
pip install tflite-model-maker

यदि आप रात्रिकालीन संस्करण स्थापित करना चाहते हैं, तो कृपया आदेश का पालन करें:

pip install tflite-model-maker-nightly
  • GitHub से सोर्स कोड को क्लोन करें और इंस्टॉल करें।
git clone https://github.com/tensorflow/examples
cd examples/tensorflow_examples/lite/model_maker/pip_package
pip install -e .

TensorFlow Lite मॉडल निर्माता TensorFlow पिप पैकेज पर निर्भर करता है। GPU ड्राइवरों के लिए, कृपया TensorFlow की GPU गाइड या इंस्टॉलेशन गाइड देखें।

पायथन एपीआई संदर्भ

आप एपीआई संदर्भ में मॉडल निर्माता के सार्वजनिक एपीआई का पता लगा सकते हैं।