Готовые модели — это модели, которые уже обучены для определенной цели. Существует множество уже обученных моделей с открытым исходным кодом, которые вы можете сразу же использовать с TensorFlow.js для выполнения многих задач машинного обучения. В этом разделе приведены рекомендации по поиску и выбору готовых моделей для вашего варианта использования.
Преимущества использования готовых моделей
TensorFlow.js имеет широкий спектр готовых моделей, которые можно использовать в любом проекте «из коробки» и которые дают вам следующие существенные преимущества:
- Экономия времени и ресурсов . Избегайте трудоемких процессов сбора, подготовки и маркировки данных, а затем обучения, оценки и улучшения модели. Уметь быстро прототипировать свои идеи.
- Используйте существующие исследования и документацию . Современные исследования, используемые при разработке готовых моделей, позволяют быстро развертывать их, понимая, как они работают в различных реальных сценариях.
- Включить трансферное обучение : готовые модели позволяют использовать информацию, полученную с помощью модели, для задачи в другом аналогичном сценарии использования. Этот процесс переноса обучения позволит вам быстро обучать существующие модели на пользовательских данных.
Найти модель
Поиск существующей модели TensorFlow.js для вашего варианта использования зависит от того, чего вы пытаетесь достичь. Например, должно ли ваше приложение работать на стороне клиента или на стороне сервера? Насколько важны такие факторы, как конфиденциальность, скорость и точность? и т. д.
Вот несколько рекомендуемых способов обнаружения моделей для использования с TensorFlow.js:
На примере: самый быстрый способ найти и начать использовать модели с TensorFlow.js — это просмотреть раздел демонстраций TensorFlow.js , чтобы найти демонстрации, которые выполняют задачу, аналогичную вашему варианту использования. В этом каталоге представлены забавные примеры использования со ссылками на код, который поможет вам начать работу.
По типу ввода данных. Помимо просмотра примеров, похожих на ваш вариант использования, еще один способ найти модели для собственного использования — рассмотреть тип данных, которые вы хотите обрабатывать, например аудио, текст или изображения. Модели машинного обучения часто разрабатываются для использования с одним из этих типов данных, поэтому поиск моделей, которые обрабатывают тип данных, который вы хотите использовать, может помочь вам сузить круг моделей, которые следует рассмотреть. Вы можете начать просмотр моделей TensorFlow.js на основе общих вариантов использования в разделе моделей TensorFlow.js или просмотреть более широкий набор моделей на TensorFlow Hub . В TensorFlow Hub вы можете использовать фильтр проблемной области , чтобы просмотреть типы данных модели и сузить свой список.
В следующем списке приведены ссылки на модели TensorFlow.js в TensorFlow Hub для распространенных случаев использования:
- Модели классификации изображений
- Модели обнаружения объектов
- Текстовые модели
- Аудио модели
Выбирайте между похожими моделями
Если ваше приложение следует общему варианту использования, такому как классификация изображений или обнаружение объектов, вы можете найти несколько моделей TensorFlow.js, которые соответствуют вашим потребностям. Когда у вас есть несколько моделей, применимых к вашему варианту использования, вы хотите определить модель, которая обеспечит наилучшее решение. Для этого рассмотрите следующие аспекты каждой модели:
- Скорость вывода
- Размер файла
- Использование оперативной памяти во время выполнения
- Характеристики/возможности модели
Выбирая между несколькими моделями, вы можете сузить свои варианты, основываясь в первую очередь на наиболее ограничивающих ограничениях, таких как размер модели, размер данных, скорость вывода или точность и т. д.
Если вы не уверены, какое у вас самое ограничивающее ограничение, предположите, что это размер модели, и выберите наименьшую доступную модель. Выбор небольшой модели дает вам максимальную гибкость с точки зрения того, где вы можете успешно развернуть и запустить модель. Меньшие модели также обычно дают более быстрые выводы, а более быстрые прогнозы обычно улучшают взаимодействие с конечным пользователем. Однако меньшие модели обычно имеют более низкие показатели точности, поэтому вам может потребоваться выбрать более крупные модели, если точность прогноза является вашей главной задачей.
Исходники для моделей
Готовые модели в TensorFlow.js обычно доступны в двух формах. Официальные модели упакованы в классы JavaScript, что упрощает их развертывание в вашем приложении. Другие находятся в необработанном виде, что может потребовать дополнительного кода для предварительной и последующей обработки входных и выходных данных.
Используйте модели TensorFlow.js в качестве первого пункта назначения для поиска и выбора моделей для использования с TensorFlow.js. Это официальные модели, предоставленные командой TensorFlow.js, которые уже имеют оболочки JavaScript, которые упрощают интеграцию в ваш код. Сайт TensorFlow Hub предоставляет дополнительные модели. Обратите внимание, что модели в Hub могут быть в необработанном формате, что требует дополнительной работы с вашей стороны для интеграции.
Модели TensorFlow
Можно преобразовать обычные модели TensorFlow в формат TensorFlow.js. Дополнительные сведения о преобразовании моделей см. в разделе Преобразование моделей . Модели TensorFlow можно найти на TensorFlow Hub и в TensorFlow Model Garden .
дальнейшее чтение
- Теперь, когда вы знаете, где найти модели, готовые к использованию, см. собственное руководство по React , чтобы узнать, как можно использовать такую модель в веб-приложении.