เครื่องมือสร้างโมเดลของ TensorFlow Lite

ภาพรวม

ไลบรารี TensorFlow Lite Model Maker ช่วยให้กระบวนการฝึกโมเดล TensorFlow Lite ง่ายขึ้นโดยใช้ชุดข้อมูลที่กำหนดเอง ใช้การถ่ายโอนการเรียนรู้เพื่อลดปริมาณข้อมูลการฝึกอบรมที่จำเป็น และลดระยะเวลาการฝึกอบรม

งานที่ได้รับการสนับสนุน

ขณะนี้ไลบรารี Model Maker รองรับงาน ML ต่อไปนี้ คลิกลิงก์ด้านล่างเพื่อดูคำแนะนำเกี่ยวกับวิธีการฝึกโมเดล

หากงานของคุณไม่รองรับ อันดับแรกโปรดใช้ TensorFlow เพื่อฝึกโมเดล TensorFlow อีกครั้งด้วยการเรียนรู้การถ่ายโอน (ทำตามคำแนะนำ เช่น รูปภาพ ข้อความ เสียง ) หรือฝึกตั้งแต่เริ่มต้น จากนั้น แปลง เป็นโมเดล TensorFlow Lite

ตัวอย่างตั้งแต่ต้นจนจบ

Model Maker ช่วยให้คุณฝึกโมเดล TensorFlow Lite โดยใช้ชุดข้อมูลที่กำหนดเองด้วยโค้ดเพียงไม่กี่บรรทัด ตัวอย่างเช่น ต่อไปนี้เป็นขั้นตอนในการฝึกแบบจำลองการจัดหมวดหมู่รูปภาพ

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/')

สำหรับรายละเอียดเพิ่มเติม โปรดดู คู่มือการจัดหมวดหมู่รูปภาพ

การติดตั้ง

มีสองวิธีในการติดตั้ง Model Maker

• ติดตั้งแพ็คเกจ pip ที่สร้างไว้ล่วงหน้า

pip install tflite-model-maker

หากคุณต้องการติดตั้งเวอร์ชันกลางคืน โปรดทำตามคำสั่ง:

pip install tflite-model-maker-nightly

• โคลนซอร์สโค้ดจาก GitHub และติดตั้ง

git clone https://github.com/tensorflow/examples
cd examples/tensorflow_examples/lite/model_maker/pip_package
pip install -e .

TensorFlow Lite Model Maker ขึ้นอยู่กับ แพ็คเกจ pip ของ TensorFlow สำหรับไดรเวอร์ GPU โปรดดู คู่มือ GPU ของ TensorFlow หรือ คู่มือการติดตั้ง

การอ้างอิง Python API

คุณสามารถค้นหา API สาธารณะของ Model Maker ได้ใน การอ้างอิง API