पूर्व-निर्मित मॉडल वे मॉडल होते हैं जिन्हें किसी विशिष्ट उद्देश्य के लिए पहले से ही प्रशिक्षित किया जाता है। कई प्रकार के पहले से ही प्रशिक्षित, ओपन सोर्स मॉडल हैं जिनका उपयोग आप कई मशीन सीखने के कार्यों को पूरा करने के लिए TensorFlow.js के साथ तुरंत कर सकते हैं। यह विषय आपके उपयोग के मामले के लिए पूर्व-निर्मित मॉडल को खोजने और चुनने के बारे में मार्गदर्शन प्रदान करता है।
पूर्व-निर्मित मॉडलों का उपयोग करने के लाभ
TensorFlow.js के पास पूर्व-निर्मित मॉडलों का एक व्यापक स्पेक्ट्रम है जिसका उपयोग किसी भी प्रोजेक्ट में किया जा सकता है और आपको निम्नलिखित महत्वपूर्ण लाभ प्रदान करता है:
- समय और संसाधन बचाएं : डेटा इकट्ठा करने, तैयार करने और लेबल करने, फिर प्रशिक्षण, मूल्यांकन और मॉडल में सुधार करने की समय लेने वाली प्रक्रियाओं से बचें। अपने विचारों को तेजी से प्रोटोटाइप करने में सक्षम हों।
- मौजूदा अनुसंधान और दस्तावेज़ीकरण का लाभ उठाएं : पूर्व-निर्मित मॉडल विकसित करने में उपयोग किया जाने वाला अत्याधुनिक अनुसंधान आपको यह समझने में सक्षम बनाता है कि वे विभिन्न वास्तविक दुनिया के परिदृश्यों में कैसा प्रदर्शन करते हैं।
- स्थानांतरण सीखने को सक्षम करें : पूर्व-निर्मित मॉडल आपको किसी मॉडल द्वारा सीखी गई जानकारी को किसी अन्य, समान उपयोग-मामले पर कार्य के लिए उपयोग करने की अनुमति देते हैं। यह स्थानांतरण सीखने की प्रक्रिया आपको मौजूदा मॉडलों को कस्टम डेटा पर तेजी से प्रशिक्षित करने में सक्षम बनाएगी।
एक मॉडल खोजें
आपके उपयोग के मामले के लिए मौजूदा TensorFlow.js मॉडल ढूंढना इस बात पर निर्भर करता है कि आप क्या हासिल करने की कोशिश कर रहे हैं। उदाहरण के लिए, क्या आपके ऐप को क्लाइंट-साइड या सर्वर-साइड पर चलने की ज़रूरत है? गोपनीयता, गति और सटीकता जैसे कारक कितने महत्वपूर्ण हैं? वगैरह।
TensorFlow.js के साथ उपयोग के लिए मॉडल खोजने के कुछ अनुशंसित तरीके यहां दिए गए हैं:
उदाहरण के लिए: TensorFlow.js के साथ मॉडल खोजने और उनका उपयोग शुरू करने का सबसे तेज़ तरीका आपके उपयोग के मामले के समान कार्य करने वाले डेमो खोजने के लिए TensorFlow.js डेमो अनुभाग को ब्राउज़ करना है। यह कैटलॉग कोड के लिंक के साथ मज़ेदार उदाहरण उपयोग के मामले प्रदान करता है जो आपको आरंभ करने में मदद करेंगे।
डेटा इनपुट प्रकार के अनुसार: आपके उपयोग के मामले के समान उदाहरणों को देखने के अलावा, अपने स्वयं के उपयोग के लिए मॉडल खोजने का एक और तरीका उस डेटा के प्रकार पर विचार करना है जिसे आप संसाधित करना चाहते हैं, जैसे ऑडियो, टेक्स्ट या छवियां। मशीन लर्निंग मॉडल अक्सर इन प्रकार के डेटा में से किसी एक के साथ उपयोग के लिए डिज़ाइन किए जाते हैं, इसलिए ऐसे मॉडल की तलाश करना जो आपके द्वारा उपयोग किए जाने वाले डेटा प्रकार को संभालते हैं, आपको यह तय करने में मदद कर सकते हैं कि किस मॉडल पर विचार करना है। आप TensorFlow.js मॉडल अनुभाग में सामान्य उपयोग के मामलों के आधार पर TensorFlow.js मॉडल ब्राउज़ करना शुरू कर सकते हैं, या TensorFlow हब पर मॉडलों का एक बड़ा सेट ब्राउज़ कर सकते हैं। TensorFlow हब पर, आप मॉडल डेटा प्रकार देखने और अपनी सूची को सीमित करने के लिए समस्या डोमेन फ़िल्टर का उपयोग कर सकते हैं।
निम्नलिखित सूची सामान्य उपयोग के मामलों के लिए TensorFlow हब पर TensorFlow.js मॉडल से लिंक करती है:
- छवि वर्गीकरण मॉडल
- वस्तु पहचान मॉडल
- पाठ मॉडल
- ऑडियो मॉडल
समान मॉडलों में से चुनें
यदि आपका एप्लिकेशन छवि वर्गीकरण या ऑब्जेक्ट डिटेक्शन जैसे सामान्य उपयोग के मामले का अनुसरण करता है, तो आपको कई TensorFlow.js मॉडल मिल सकते हैं जो आपकी आवश्यकता के अनुरूप हों। एक बार जब आपके पास कुछ मॉडल हों जो आपके उपयोग के मामले में लागू हों, तो आप उस मॉडल की पहचान करना चाहेंगे जो सर्वोत्तम समाधान प्रदान करेगा। ऐसा करने के लिए, प्रत्येक मॉडल के निम्नलिखित पहलुओं पर विचार करें:
- अनुमान गति
- फ़ाइल का साइज़
- रनटाइम रैम का उपयोग
- मॉडल विशेषताएँ/क्षमताएँ
कई मॉडलों के बीच निर्णय लेते समय, आप सबसे पहले अपनी सबसे सीमित बाधा जैसे मॉडल का आकार, डेटा का आकार, अनुमान गति, या सटीकता इत्यादि के आधार पर अपने विकल्पों को सीमित कर सकते हैं।
यदि आप निश्चित नहीं हैं कि आपकी सबसे सीमित बाधा क्या है, तो मान लें कि यह मॉडल का आकार है और उपलब्ध सबसे छोटा मॉडल चुनें। एक छोटा मॉडल चुनने से आपको इस संदर्भ में सबसे अधिक लचीलापन मिलता है कि आप मॉडल को सफलतापूर्वक कहां तैनात और चला सकते हैं। छोटे मॉडल भी आम तौर पर तेजी से अनुमान लगाते हैं, और तेज भविष्यवाणियां आमतौर पर बेहतर अंतिम-उपयोगकर्ता अनुभव पैदा करती हैं। हालाँकि , छोटे मॉडलों में आमतौर पर सटीकता दर कम होती है, इसलिए यदि भविष्यवाणी सटीकता आपकी प्राथमिक चिंता है तो आपको बड़े मॉडल चुनने की आवश्यकता हो सकती है।
मॉडलों के लिए स्रोत
TensorFlow.js में पूर्व-निर्मित मॉडल आम तौर पर दो रूपों में उपलब्ध होते हैं। आधिकारिक मॉडल जावास्क्रिप्ट कक्षाओं में लिपटे हुए आते हैं जिससे उन्हें आपके ऐप में तैनात करना आसान हो जाता है। अन्य कच्चे रूप में हैं जिन्हें इनपुट और आउटपुट डेटा को संसाधित करने से पहले/पोस्ट करने के लिए अतिरिक्त कोड की आवश्यकता हो सकती है।
TensorFlow.js के साथ उपयोग के लिए मॉडल खोजने और चुनने के लिए अपने पहले गंतव्य के रूप में TensorFlow.js मॉडल का उपयोग करें। ये TensorFlow.js टीम द्वारा प्रदान किए गए आधिकारिक मॉडल हैं जिनमें पहले से ही जावास्क्रिप्ट रैपर हैं जो आपके कोड में एकीकृत करना आसान बनाते हैं। TensorFlow हब साइट अतिरिक्त मॉडल प्रदान करती है। ध्यान दें कि हब में मॉडल कच्चे प्रारूप में हो सकते हैं जिन्हें एकीकृत करने के लिए आपकी ओर से अतिरिक्त काम की आवश्यकता होती है।
टेंसरफ़्लो मॉडल
नियमित TensorFlow मॉडल को TensorFlow.js प्रारूप में परिवर्तित करना संभव है। मॉडल परिवर्तित करने के बारे में अधिक जानकारी के लिए मॉडल रूपांतरण विषय देखें। आप TensorFlow मॉडल TensorFlow हब और TensorFlow मॉडल गार्डन में पा सकते हैं।
अग्रिम पठन
- अब जब आप जानते हैं कि उपयोग के लिए तैयार मॉडल कहां मिलेंगे, तो यह जानने के लिए रिएक्ट नेटिव ट्यूटोरियल देखें कि आप वेब ऐप में ऐसे मॉडल का उपयोग कैसे कर सकते हैं।