Ringkasan
Library TensorFlow Lite Model Maker menyederhanakan proses pelatihan model TensorFlow Lite menggunakan set data khusus. Ini menggunakan pembelajaran transfer untuk mengurangi jumlah data pelatihan yang diperlukan dan mempersingkat waktu pelatihan.
Tugas yang Didukung
Pustaka Model Maker saat ini mendukung tugas ML berikut. Klik tautan di bawah untuk panduan tentang cara melatih model.
Tugas yang Didukung | Utilitas Tugas |
---|---|
Klasifikasi Gambar: tutorial , api | Klasifikasikan gambar ke dalam kategori yang telah ditentukan sebelumnya. |
Deteksi Objek: tutorial , api | Deteksi objek secara real time. |
Klasifikasi Teks: tutorial , api | Klasifikasikan teks ke dalam kategori yang telah ditentukan sebelumnya. |
Jawaban Pertanyaan BERT: tutorial , api | Temukan jawaban dalam konteks tertentu untuk pertanyaan tertentu dengan BERT. |
Klasifikasi Audio: tutorial , api | Klasifikasikan audio ke dalam kategori yang telah ditentukan sebelumnya. |
Rekomendasi: demo , api | Merekomendasikan item berdasarkan informasi konteks untuk skenario pada perangkat. |
Penelusur: tutorial , api | Cari teks atau gambar serupa di database. |
Jika tugas Anda tidak didukung, harap gunakan TensorFlow terlebih dahulu untuk melatih ulang model TensorFlow dengan pembelajaran transfer (mengikuti panduan seperti gambar , teks , audio ) atau melatihnya dari awal, lalu mengonversinya ke model TensorFlow Lite.
Contoh Ujung-ke-Ujung
Model Maker memungkinkan Anda melatih model TensorFlow Lite menggunakan set data khusus hanya dalam beberapa baris kode. Misalnya, berikut langkah-langkah untuk melatih model klasifikasi gambar.
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/')
Untuk lebih jelasnya lihat panduan klasifikasi gambar .
Instalasi
Ada dua cara untuk menginstal Model Maker.
- Instal paket pip bawaan.
pip install tflite-model-maker
Jika Anda ingin menginstal versi nightly, ikuti perintah:
pip install tflite-model-maker-nightly
- Kloning kode sumber dari GitHub dan instal.
git clone https://github.com/tensorflow/examples
cd examples/tensorflow_examples/lite/model_maker/pip_package
pip install -e .
TensorFlow Lite Model Maker bergantung pada paket pip TensorFlow. Untuk driver GPU, lihat panduan GPU TensorFlow atau panduan instalasi .
Referensi API Python
Anda dapat mengetahui API publik Model Maker di referensi API .