TensorFlow Lite와 함께 즉시 사용하여 많은 기계 학습 작업을 수행할 수 있는 이미 훈련된 다양한 오픈 소스 모델이 있습니다. 사전 훈련된 TensorFlow Lite 모델을 사용하면 모델을 구축하고 훈련할 필요 없이 모바일 및 에지 장치 애플리케이션에 기계 학습 기능을 빠르게 추가할 수 있습니다. 이 가이드는 TensorFlow Lite와 함께 사용할 훈련된 모델을 찾고 결정하는 데 도움이 됩니다.
TensorFlow Lite 예제 섹션의 일반적인 사용 사례를 기반으로 TensorFlow Lite 모델 탐색을 즉시 시작하거나 TensorFlow Hub 에서 더 큰 모델 세트를 탐색할 수 있습니다.
애플리케이션에 대한 모델 찾기
사용 사례에 대한 기존 TensorFlow Lite 모델을 찾는 것은 달성하려는 작업에 따라 까다로울 수 있습니다. 다음은 TensorFlow Lite와 함께 사용할 모델을 검색하는 몇 가지 권장 방법입니다.
예: TensorFlow Lite에서 모델을 찾고 사용을 시작하는 가장 빠른 방법은 TensorFlow Lite 예제 섹션을 탐색하여 사용 사례와 유사한 작업을 수행하는 모델을 찾는 것입니다. 이 짧은 예제 카탈로그는 실행 및 사용을 시작하는 데 도움이 되는 모델 및 샘플 코드에 대한 설명과 함께 일반적인 사용 사례에 대한 모델을 제공합니다.
데이터 입력 유형별: 사용 사례와 유사한 예를 보는 것 외에도 고유한 사용을 위한 모델을 찾는 또 다른 방법은 처리하려는 데이터 유형(예: 오디오, 텍스트, 이미지 또는 비디오 데이터)을 고려하는 것입니다. 기계 학습 모델은 종종 이러한 데이터 유형 중 하나와 함께 사용하도록 설계되므로 사용하려는 데이터 유형을 처리하는 모델을 찾는 것은 고려해야 할 모델의 범위를 좁히는 데 도움이 될 수 있습니다. TensorFlow Hub 에서 문제 도메인 필터를 사용하여 모델 데이터 유형을 보고 목록을 좁힐 수 있습니다.
다음은 일반적인 사용 사례에 대한 TensorFlow Hub 의 TensorFlow Lite 모델에 대한 링크를 나열합니다.
유사한 모델 중에서 선택
애플리케이션이 이미지 분류 또는 객체 감지와 같은 일반적인 사용 사례를 따르는 경우 바이너리 크기, 데이터 입력 크기, 추론 속도 및 예측 정확도 등급이 다양한 여러 TensorFlow Lite 모델 중에서 결정해야 할 수도 있습니다. 여러 모델 중에서 결정할 때 가장 제한적인 제약 조건(모델 크기, 데이터 크기, 추론 속도 또는 정확도)에 따라 먼저 옵션을 좁혀야 합니다.
가장 제한적인 제약 조건이 무엇인지 확실하지 않은 경우 모델의 크기라고 가정하고 사용 가능한 가장 작은 모델을 선택하십시오. 작은 모델을 선택하면 모델을 성공적으로 배포하고 실행할 수 있는 장치 측면에서 가장 유연합니다. 또한 더 작은 모델은 일반적으로 더 빠른 추론을 생성하고 더 빠른 예측은 일반적으로 더 나은 최종 사용자 경험을 생성합니다. 더 작은 모델은 일반적으로 정확도 비율이 낮으므로 예측 정확도가 주요 관심사인 경우 더 큰 모델을 선택해야 할 수 있습니다.
모델 소스
TensorFlow Lite 예제 섹션과 TensorFlow Hub 를 TensorFlow Lite와 함께 사용할 모델을 찾고 선택하기 위한 첫 번째 대상으로 사용하십시오. 이러한 소스에는 일반적으로 TensorFlow Lite와 함께 사용하기 위해 선별된 최신 모델이 있으며 개발 프로세스를 가속화하기 위한 샘플 코드가 자주 포함됩니다.
TensorFlow 모델
일반 TensorFlow 모델을 TensorFlow Lite 형식으로 변환 할 수 있습니다. 모델 변환에 대한 자세한 내용은 TensorFlow Lite Converter 설명서를 참조하세요. TensorFlow Hub 와 TensorFlow Model Garden 에서 TensorFlow 모델을 찾을 수 있습니다.