Model siap pakai adalah model yang sudah dilatih untuk tujuan tertentu. Ada berbagai model sumber terbuka terlatih yang dapat Anda gunakan langsung dengan TensorFlow.js untuk menyelesaikan banyak tugas pembelajaran mesin. Topik ini memberikan panduan tentang cara menemukan dan memilih model siap pakai untuk kasus penggunaan Anda.
Manfaat menggunakan model yang sudah jadi
TensorFlow.js memiliki spektrum model siap pakai yang luas yang dapat langsung digunakan dalam proyek apa pun dan memberi Anda manfaat signifikan berikut:
- Menghemat Waktu dan Sumber Daya : Hindari proses pengumpulan, persiapan, dan pelabelan data yang memakan waktu, kemudian melatih, mengevaluasi, dan meningkatkan model. Mampu membuat prototipe ide-ide Anda dengan cepat.
- Memanfaatkan penelitian dan dokumentasi yang ada : Penelitian canggih yang digunakan dalam mengembangkan model siap pakai memungkinkan Anda menerapkan model tersebut dengan cepat sambil memahami kinerjanya dalam berbagai skenario dunia nyata.
- Aktifkan pembelajaran transfer : Model yang dibuat sebelumnya memungkinkan Anda menggunakan informasi yang dipelajari oleh model untuk tugas pada kasus penggunaan lain yang serupa. Proses pembelajaran transfer ini akan memungkinkan Anda melatih model yang ada dengan cepat pada data khusus.
Temukan modelnya
Menemukan model TensorFlow.js yang ada untuk kasus penggunaan Anda bergantung pada apa yang ingin Anda capai. Misalnya, apakah aplikasi Anda perlu dijalankan di sisi klien atau sisi server? Seberapa pentingkah faktor-faktor seperti privasi, kecepatan, dan akurasi? dll.
Berikut beberapa cara yang disarankan untuk menemukan model yang akan digunakan dengan TensorFlow.js:
Misalnya: Cara tercepat untuk menemukan dan mulai menggunakan model dengan TensorFlow.js adalah dengan menelusuri bagian demo TensorFlow.js untuk menemukan demo yang melakukan tugas serupa dengan kasus penggunaan Anda. Katalog ini memberikan contoh kasus penggunaan yang menyenangkan dengan tautan ke kode yang akan membantu Anda memulai.
Berdasarkan jenis input data: Selain melihat contoh yang mirip dengan kasus penggunaan Anda, cara lain untuk menemukan model untuk Anda gunakan sendiri adalah dengan mempertimbangkan jenis data yang ingin Anda proses, seperti audio, teks, atau gambar. Model pembelajaran mesin sering kali dirancang untuk digunakan dengan salah satu tipe data ini, jadi mencari model yang menangani tipe data yang ingin Anda gunakan dapat membantu Anda mempersempit model yang perlu dipertimbangkan. Anda dapat mulai menjelajahi model TensorFlow.js berdasarkan kasus penggunaan umum di bagian model TensorFlow.js , atau menelusuri kumpulan model yang lebih besar di TensorFlow Hub . Di TensorFlow Hub, Anda dapat menggunakan filter domain Masalah untuk melihat tipe data model dan mempersempit daftar Anda.
Daftar berikut tertaut ke model TensorFlow.js di TensorFlow Hub untuk kasus penggunaan umum:
- Model klasifikasi gambar
- Model deteksi objek
- Model teks
- Model audio
Pilih di antara model serupa
Jika aplikasi Anda mengikuti kasus penggunaan umum seperti klasifikasi gambar atau deteksi objek, Anda mungkin menemukan beberapa model TensorFlow.js yang sesuai dengan kebutuhan Anda. Setelah Anda memiliki beberapa model yang dapat diterapkan pada kasus penggunaan Anda, Anda ingin mengidentifikasi model yang akan memberikan solusi terbaik. Untuk melakukannya, pertimbangkan aspek berikut dari setiap model:
- Kecepatan inferensi
- Ukuran file
- Penggunaan RAM waktu proses
- Fitur/kemampuan model
Saat memutuskan di antara sejumlah model, Anda dapat mempersempit pilihan berdasarkan batasan yang paling membatasi seperti ukuran model, ukuran data, kecepatan inferensi, atau akurasi, dll.
Jika Anda tidak yakin batasan apa yang paling membatasi Anda, asumsikan itu adalah ukuran model dan pilih model terkecil yang tersedia. Memilih model kecil memberi Anda fleksibilitas paling besar dalam hal di mana Anda dapat menerapkan dan menjalankan model dengan sukses. Model yang lebih kecil biasanya juga menghasilkan kesimpulan yang lebih cepat, dan prediksi yang lebih cepat umumnya menghasilkan pengalaman pengguna akhir yang lebih baik. Namun , model yang lebih kecil biasanya memiliki tingkat akurasi yang lebih rendah, sehingga Anda mungkin perlu memilih model yang lebih besar jika akurasi prediksi menjadi perhatian utama Anda.
Sumber untuk model
Model siap pakai di TensorFlow.js biasanya tersedia dalam dua bentuk. Model resmi hadir dalam kelas JavaScript sehingga mudah diterapkan di aplikasi Anda. Lainnya dalam bentuk mentah yang mungkin memerlukan kode tambahan untuk sebelum/sesudah proses input dan output data.
Gunakan model TensorFlow.js sebagai tujuan pertama Anda untuk menemukan dan memilih model untuk digunakan dengan TensorFlow.js. Ini adalah model resmi yang disediakan oleh tim TensorFlow.js yang sudah memiliki wrapper JavaScript yang memudahkan integrasi ke dalam kode Anda. Situs TensorFlow Hub menyediakan model tambahan. Perhatikan bahwa model di Hub mungkin dalam format mentah yang memerlukan upaya tambahan dari Anda untuk mengintegrasikannya.
Model TensorFlow
Model TensorFlow biasa dapat dikonversi ke format TensorFlow.js. Untuk informasi selengkapnya tentang mengonversi model, lihat topik Konversi model . Anda dapat menemukan model TensorFlow di TensorFlow Hub dan di TensorFlow Model Garden .
Bacaan lebih lanjut
- Sekarang setelah Anda mengetahui di mana menemukan model yang siap digunakan, lihat tutorial React native untuk mempelajari bagaimana Anda dapat menggunakan model tersebut di aplikasi web.