TensorFlow Lite için önceden eğitilmiş modeller

Birçok makine öğrenimi görevini gerçekleştirmek için TensorFlow Lite ile hemen kullanabileceğiniz, önceden eğitilmiş çeşitli açık kaynaklı modeller vardır. Önceden eğitilmiş TensorFlow Lite modellerini kullanmak, bir model oluşturup eğitmek zorunda kalmadan mobil ve uç cihaz uygulamanıza hızlı bir şekilde makine öğrenimi işlevselliği eklemenize olanak tanır. Bu kılavuz, TensorFlow Lite ile kullanım için eğitilmiş modelleri bulmanıza ve karar vermenize yardımcı olur.

TensorFlow Lite Örnekleri bölümündeki genel kullanım durumlarına göre hemen TensorFlow Lite modellerine göz atmaya başlayabilir veya TensorFlow Hub'da daha geniş bir model grubuna göz atabilirsiniz.

Uygulamanız için bir model bulun

Kullanım durumunuz için mevcut bir TensorFlow Lite modeli bulmak, neyi başarmaya çalıştığınıza bağlı olarak zor olabilir. TensorFlow Lite ile kullanılacak modelleri keşfetmenin birkaç önerilen yolu:

Örnek olarak: TensorFlow Lite ile modelleri bulmanın ve kullanmaya başlamanın en hızlı yolu, kullanım durumunuza benzer bir görevi gerçekleştiren modelleri bulmak için TensorFlow Lite Örnekleri bölümüne göz atmaktır. Bu kısa örnek kataloğu, modellerin açıklamalarıyla birlikte yaygın kullanım durumları için modeller ve bunları çalıştırmaya ve kullanmaya başlamanız için örnek kod sağlar.

Veri girişi türüne göre: Kullanım durumunuza benzer örneklere bakmanın yanı sıra, kendi kullanımınız için modelleri keşfetmenin başka bir yolu da ses, metin, resim veya video verileri gibi işlemek istediğiniz veri türünü düşünmektir. Makine öğrenimi modelleri sıklıkla bu veri türlerinden biriyle kullanılmak üzere tasarlanmıştır, bu nedenle kullanmak istediğiniz veri türünü işleyen modeller aramak, dikkate alınacak modelleri daraltmanıza yardımcı olabilir. TensorFlow Hub'da model veri türlerini görüntülemek ve listenizi daraltmak için Problem etki alanı filtresini kullanabilirsiniz.

Aşağıda, yaygın kullanım durumları için TensorFlow Hub'daki TensorFlow Lite modellerine bağlantılar listelenmektedir:

Benzer modeller arasından seçim yapın

Uygulamanız görüntü sınıflandırması veya nesne algılama gibi yaygın bir kullanım durumunu takip ediyorsa, kendinizi değişen ikili boyut, veri giriş boyutu, çıkarım hızı ve tahmin doğruluğu derecelendirmelerine sahip birden çok TensorFlow Lite modeli arasında karar verirken bulabilirsiniz. Bir dizi model arasında karar verirken, seçeneklerinizi öncelikle en sınırlayıcı kısıtlamanıza göre daraltmalısınız: modelin boyutu, veri boyutu, çıkarım hızı veya doğruluk.

En sınırlayıcı kısıtlamanızın ne olduğundan emin değilseniz, bunun modelin boyutu olduğunu varsayın ve mevcut en küçük modeli seçin. Küçük bir model seçmek, modeli başarıyla dağıtabileceğiniz ve çalıştırabileceğiniz cihazlar açısından size en fazla esnekliği sağlar. Daha küçük modeller ayrıca tipik olarak daha hızlı çıkarımlar üretir ve daha hızlı tahminler genellikle daha iyi son kullanıcı deneyimleri yaratır. Daha küçük modeller genellikle daha düşük doğruluk oranlarına sahiptir, bu nedenle birincil endişeniz tahmin doğruluğu ise daha büyük modeller seçmeniz gerekebilir.

Modeller için kaynaklar

TensorFlow Lite ile kullanılacak modelleri bulmak ve seçmek için ilk hedefleriniz olarak TensorFlow Lite Örnekleri bölümünü ve TensorFlow Hub'ı kullanın. Bu kaynaklar genellikle TensorFlow Lite ile kullanım için güncel, seçilmiş modeller içerir ve geliştirme sürecinizi hızlandırmak için sıklıkla örnek kod içerir.

TensorFlow modelleri

Normal TensorFlow modellerini TensorFlow Lite formatına dönüştürmek mümkündür. Modelleri dönüştürme hakkında daha fazla bilgi için TensorFlow Lite Converter belgelerine bakın. TensorFlow modellerini TensorFlow Hub'da ve TensorFlow Model Garden'da bulabilirsiniz.