Ringkasan
Pustaka TensorFlow Lite Model Maker menyederhanakan proses pelatihan model TensorFlow Lite menggunakan set data khusus. Ini menggunakan pembelajaran transfer untuk mengurangi jumlah data pelatihan yang dibutuhkan dan mempersingkat waktu pelatihan.
Tugas yang Didukung
Pustaka Model Maker saat ini mendukung tugas ML berikut. Klik tautan di bawah untuk panduan tentang cara melatih model.
Tugas yang Didukung | Utilitas Tugas |
---|---|
Klasifikasi Gambar: tutorial , api | Mengklasifikasikan gambar ke dalam kategori yang telah ditentukan. |
Deteksi Objek: tutorial , api | Mendeteksi objek secara real time. |
Klasifikasi Teks: tutorial , api | Mengklasifikasikan teks ke dalam kategori yang telah ditentukan. |
Jawaban Pertanyaan BERT: tutorial , api | Temukan jawabannya dalam konteks tertentu untuk pertanyaan yang diberikan dengan BERT. |
Klasifikasi Audio: tutorial , api | Mengklasifikasikan audio ke dalam kategori yang telah ditentukan. |
Rekomendasi: demo , api | Merekomendasikan item berdasarkan informasi konteks untuk skenario di perangkat. |
Searcher: tutorial , api | Cari teks atau gambar serupa dalam database. |
Jika tugas Anda tidak didukung, gunakan TensorFlow terlebih dahulu untuk melatih kembali model TensorFlow dengan pembelajaran transfer (mengikuti panduan seperti gambar , teks , audio ) atau melatihnya dari awal, lalu mengonversinya ke model TensorFlow Lite.
Contoh ujung ke ujung
Model Maker memungkinkan Anda melatih model TensorFlow Lite menggunakan set data khusus hanya dalam beberapa baris kode. Sebagai contoh, berikut adalah langkah-langkah untuk melatih model klasifikasi citra.
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/')
Untuk lebih jelasnya, lihat panduan klasifikasi gambar .
Instalasi
Ada dua cara untuk menginstal Model Maker.
- Instal paket pip yang sudah dibuat sebelumnya.
pip install tflite-model-maker
Jika Anda ingin menginstal versi malam, ikuti perintah:
pip install tflite-model-maker-nightly
- Kloning kode sumber dari GitHub dan instal.
git clone https://github.com/tensorflow/examples
cd examples/tensorflow_examples/lite/model_maker/pip_package
pip install -e .
Pembuat Model TensorFlow Lite bergantung pada paket pip TensorFlow . Untuk driver GPU, lihat panduan GPU atau panduan instalasi TensorFlow .
Referensi API Python
Anda dapat mengetahui API publik Model Maker di referensi API .