TensorFlow Lite использует модели TensorFlow, преобразованные в меньший и более эффективный формат модели машинного обучения (ML). Вы можете использовать предварительно обученные модели с TensorFlow Lite, изменять существующие модели или создавать свои собственные модели TensorFlow, а затем преобразовывать их в формат TensorFlow Lite. Модели TensorFlow Lite могут выполнять практически любую задачу, которую может выполнять обычная модель TensorFlow: обнаружение объектов, обработка естественного языка, распознавание образов и многое другое с использованием широкого спектра входных данных, включая изображения, видео, аудио и текст.
Дорожная карта обучения
У вас есть модель TensorFlow?
Перейдите к разделу Преобразование , чтобы узнать, как заставить вашу модель работать с TensorFlow Lite.Нужна модель для TensorFlow Lite?
Чтобы получить рекомендации по получению моделей для вашего варианта использования, продолжайте читать .Получить модели для TensorFlow Lite
Вам не нужно создавать модель TensorFlow Lite, чтобы начать использовать машинное обучение на мобильных или периферийных устройствах. Многие уже созданные и оптимизированные модели доступны для немедленного использования в вашем приложении. Вы можете начать с использования предварительно обученных моделей в TensorFlow Lite и со временем перейти к созданию пользовательских моделей следующим образом:
- Начните разрабатывать функции машинного обучения с уже обученными моделями.
- Модифицируйте существующие модели TensorFlow Lite с помощью таких инструментов, как Model Maker .
- Создайте пользовательскую модель с помощью инструментов TensorFlow, а затем преобразуйте ее в TensorFlow Lite.
Использование моделей для быстрых задач: ML Kit
Если вы пытаетесь быстро реализовать функции или служебные задачи с помощью машинного обучения, вам следует просмотреть варианты использования, поддерживаемые ML Kit , прежде чем начинать разработку с помощью TensorFlow Lite. Этот инструмент разработки предоставляет API-интерфейсы, которые вы можете вызывать непосредственно из мобильных приложений для выполнения стандартных задач машинного обучения, таких как сканирование штрих-кода и перевод на устройстве. Использование этого метода может помочь вам быстро получить результаты. Однако ML Kit имеет ограниченные возможности для расширения своих возможностей. Дополнительные сведения см. в документации разработчика ML Kit .
Построение моделей для вашего приложения: ограничения
Если вашей конечной целью является создание пользовательской модели для вашего конкретного варианта использования, вам следует начать с разработки и обучения модели TensorFlow или расширения существующей. Прежде чем вы начнете процесс разработки модели, вы должны знать об ограничениях для моделей TensorFlow Lite и строить свою модель с учетом этих ограничений:
- Ограниченные вычислительные возможности
- Размер моделей
- Размер данных
- Поддерживаемые операции TensorFlow
Дополнительные сведения о каждом из этих ограничений см. в разделе ограничения проектирования модели в обзоре сборки модели. Дополнительные сведения о создании эффективных, совместимых и высокопроизводительных моделей для TensorFlow Lite см. в разделе Рекомендации по повышению производительности.