Descripción general
La biblioteca TensorFlow Lite Model Maker simplifica el proceso de entrenamiento de un modelo TensorFlow Lite utilizando un conjunto de datos personalizado. Utiliza el aprendizaje por transferencia para reducir la cantidad de datos de entrenamiento necesarios y acortar el tiempo de entrenamiento.
Tareas admitidas
La biblioteca Model Maker actualmente admite las siguientes tareas de aprendizaje automático. Haga clic en los enlaces a continuación para obtener guías sobre cómo entrenar el modelo.
Tareas admitidas | Utilidad de tareas |
---|---|
Clasificación de imágenes: tutorial , api | Clasifica imágenes en categorías predefinidas. |
Detección de objetos: tutorial , api | Detecta objetos en tiempo real. |
Clasificación de texto: tutorial , api | Clasificar texto en categorías predefinidas. |
BERT Pregunta Respuesta: tutorial , api | Encuentre la respuesta en un contexto determinado para una pregunta determinada con BERT. |
Clasificación de audio: tutorial , api | Clasifica el audio en categorías predefinidas. |
Recomendación: demostración , api | Recomendar elementos según la información de contexto para el escenario del dispositivo. |
Buscador: tutorial , api | Busque texto o imagen similar en una base de datos. |
Si sus tareas no son compatibles, primero use TensorFlow para volver a entrenar un modelo de TensorFlow con aprendizaje por transferencia (siguiendo guías como imágenes , texto , audio ) o entrénelo desde cero y luego conviértalo al modelo de TensorFlow Lite.
Ejemplo de un extremo a otro
Model Maker te permite entrenar un modelo de TensorFlow Lite utilizando conjuntos de datos personalizados en solo unas pocas líneas de código. Por ejemplo, estos son los pasos para entrenar un modelo de clasificación de imágenes.
from tflite_model_maker import image_classifier
from tflite_model_maker.image_classifier import DataLoader
# Load input data specific to an on-device ML app.
data = DataLoader.from_folder('flower_photos/')
train_data, test_data = data.split(0.9)
# Customize the TensorFlow model.
model = image_classifier.create(train_data)
# Evaluate the model.
loss, accuracy = model.evaluate(test_data)
# Export to Tensorflow Lite model and label file in `export_dir`.
model.export(export_dir='/tmp/')
Para obtener más detalles, consulte la guía de clasificación de imágenes .
Instalación
Hay dos formas de instalar Model Maker.
- Instale un paquete pip prediseñado.
pip install tflite-model-maker
Si desea instalar la versión nocturna, siga el comando:
pip install tflite-model-maker-nightly
- Clona el código fuente de GitHub e instálalo.
git clone https://github.com/tensorflow/examples
cd examples/tensorflow_examples/lite/model_maker/pip_package
pip install -e .
TensorFlow Lite Model Maker depende del paquete pip de TensorFlow. Para obtener controladores de GPU, consulte la guía de GPU o la guía de instalación de TensorFlow.
Referencia de la API de Python
Puede conocer las API públicas de Model Maker en la referencia de API .