התחלה מהירה למכשירים מבוססי לינוקס עם Python

השימוש ב-TensorFlow Lite עם Python נהדר עבור מכשירים משובצים המבוססים על לינוקס, כגון Raspberry Pi ומכשירי Coral עם Edge TPU , בין רבים אחרים.

דף זה מראה כיצד תוכל להתחיל להפעיל דגמי TensorFlow Lite עם Python תוך דקות ספורות. כל מה שאתה צריך הוא דגם TensorFlow שהומר ל-TensorFlow Lite . (אם עדיין אין לך מודל המרה, תוכל להתנסות באמצעות המודל שסופק עם הדוגמה המקושרת למטה).

על חבילת זמן הריצה של TensorFlow Lite

כדי להתחיל במהירות להפעיל דגמי TensorFlow Lite עם Python, אתה יכול להתקין רק את המתורגמן TensorFlow Lite, במקום את כל חבילות TensorFlow. אנו קוראים לחבילת Python הפשוטה הזו tflite_runtime .

חבילת tflite_runtime היא חלק מגודלה של חבילת tensorflow המלאה וכוללת את הקוד המינימלי הדרוש להפעלת מסקנות עם TensorFlow Lite - בעיקר מחלקת Interpreter Python. החבילה הקטנה הזו אידיאלית כאשר כל מה שאתה רוצה לעשות הוא להפעיל דגמי .tflite ולהימנע מבזבוז שטח דיסק עם ספריית TensorFlow הגדולה.

הערה: אם אתה זקוק לגישה לממשקי API אחרים של Python, כגון TensorFlow Lite Converter , עליך להתקין את חבילת TensorFlow המלאה . לדוגמה, האופציות של Select TF אינן כלולות בחבילת tflite_runtime . אם לדגמים שלך יש תלות כלשהי ל- Select TF ops, עליך להשתמש בחבילה המלאה של TensorFlow במקום זאת.

התקן את TensorFlow Lite עבור Python

אתה יכול להתקין על לינוקס עם pip:

python3 -m pip install tflite-runtime

פלטפורמות נתמכות

גלגלי Python tflite-runtime בנויים מראש ומסופקים עבור הפלטפורמות האלה:

• Linux armv7l (למשל Raspberry Pi 2, 3, 4 ו-Zero 2 עם Raspberry Pi OS 32 סיביות)
• Linux aarch64 (למשל Raspberry Pi 3, 4 עם דביאן ARM64)
• Linux x86_64

אם ברצונך להפעיל דגמי TensorFlow Lite בפלטפורמות אחרות, עליך להשתמש בחבילת TensorFlow המלאה , או לבנות את חבילת tflite-runtime מהמקור .

אם אתה משתמש ב-TensorFlow עם Coral Edge TPU, עליך לעקוב במקום זאת אחר התיעוד המתאים להגדרת Coral .

הערה: איננו מעדכנים עוד את חבילת דביאן python3-tflite-runtime . החבילה העדכנית ביותר של דביאן היא עבור TF גרסה 2.5, אותה תוכל להתקין על ידי ביצוע ההוראות הישנות יותר .

הערה: אנחנו לא משחררים עוד גלגלי tflite-runtime מובנים מראש עבור Windows ו-macOS. עבור פלטפורמות אלה, עליך להשתמש בחבילת TensorFlow המלאה , או לבנות את חבילת זמן הריצה tflite מהמקור .

הפעל מסקנות באמצעות tflite_runtime

במקום לייבא את Interpreter ממודול tensorflow , כעת עליך לייבא אותו מ- tflite_runtime .

לדוגמה, לאחר התקנת החבילה למעלה, העתק והפעל את הקובץ label_image.py . זה (כנראה) ייכשל כי אין לך את ספריית tensorflow מותקנת. כדי לתקן את זה, ערוך את השורה הזו של הקובץ:

import tensorflow as tf

אז במקום זה כתוב:

import tflite_runtime.interpreter as tflite

ואז שנה את השורה הזו:

interpreter = tf.lite.Interpreter(model_path=args.model_file)

אז זה כתוב:

interpreter = tflite.Interpreter(model_path=args.model_file)

כעת הפעל שוב label_image.py . זהו זה! אתה מפעיל כעת דגמי TensorFlow Lite.

למד עוד

• לפרטים נוספים על ממשק ה-API של Interpreter , קרא טען והרץ מודל ב-Python .

• אם יש לך Raspberry Pi, בדוק סדרת סרטונים על איך להפעיל זיהוי אובייקטים על Raspberry Pi באמצעות TensorFlow Lite.

• אם אתה משתמש במאיץ Coral ML, בדוק את הדוגמאות של Coral ב-GitHub .

• כדי להמיר דגמי TensorFlow אחרים ל-TensorFlow Lite, קרא על ממיר TensorFlow Lite .

• אם אתה רוצה לבנות גלגל tflite_runtime , קרא Build TensorFlow Lite Python Wheel Package