TensorFlow Lite একটি ছোট, আরও দক্ষ মেশিন লার্নিং (ML) মডেল ফর্ম্যাটে রূপান্তরিত TensorFlow মডেল ব্যবহার করে। আপনি টেনসরফ্লো লাইটের সাথে প্রাক-প্রশিক্ষিত মডেলগুলি ব্যবহার করতে পারেন, বিদ্যমান মডেলগুলিকে সংশোধন করতে পারেন বা আপনার নিজস্ব টেনসরফ্লো মডেলগুলি তৈরি করতে পারেন এবং তারপরে সেগুলিকে টেনসরফ্লো লাইট ফর্ম্যাটে রূপান্তর করতে পারেন৷ TensorFlow Lite মডেলগুলি একটি নিয়মিত TensorFlow মডেল করতে পারে এমন প্রায় যে কোনও কাজ সম্পাদন করতে পারে: ছবি, ভিডিও, অডিও এবং পাঠ্য সহ বিস্তৃত ইনপুট ডেটা ব্যবহার করে অবজেক্ট সনাক্তকরণ, প্রাকৃতিক ভাষা প্রক্রিয়াকরণ, প্যাটার্ন শনাক্তকরণ এবং আরও অনেক কিছু।

টেনসরফ্লো লাইটের সাথে আপনার মডেল চালানোর বিষয়ে তথ্যের জন্য রূপান্তর বিভাগে যান।
আপনার ব্যবহারের ক্ষেত্রে মডেল পাওয়ার বিষয়ে নির্দেশনার জন্য, পড়তে থাকুন

মোবাইল বা এজ ডিভাইসে মেশিন লার্নিং ব্যবহার শুরু করতে আপনাকে টেনসরফ্লো লাইট মডেল তৈরি করতে হবে না। আপনার অ্যাপ্লিকেশনে এখনই ব্যবহার করার জন্য অনেকগুলি ইতিমধ্যে-নির্মিত এবং অপ্টিমাইজ করা মডেল উপলব্ধ। আপনি টেনসরফ্লো লাইটে প্রাক-প্রশিক্ষিত মডেলগুলি ব্যবহার করে শুরু করতে পারেন এবং সময়ের সাথে সাথে কাস্টম মডেল তৈরি করতে যেতে পারেন, নিম্নরূপ:

  1. ইতিমধ্যে প্রশিক্ষিত মডেলগুলির সাথে মেশিন লার্নিং বৈশিষ্ট্যগুলি বিকাশ করা শুরু করুন৷
  2. মডেল মেকারের মতো টুল ব্যবহার করে বিদ্যমান TensorFlow Lite মডেলগুলিকে পরিবর্তন করুন।
  3. TensorFlow টুল দিয়ে একটি কাস্টম মডেল তৈরি করুন এবং তারপর এটিকে TensorFlow Lite-এ রূপান্তর করুন।

আপনি যদি মেশিন লার্নিংয়ের মাধ্যমে দ্রুত বৈশিষ্ট্য বা ইউটিলিটি কাজগুলি বাস্তবায়নের চেষ্টা করছেন, তাহলে টেনসরফ্লো লাইটের সাথে বিকাশ শুরু করার আগে আপনাকে এমএল কিট দ্বারা সমর্থিত ব্যবহারের ক্ষেত্রে পর্যালোচনা করা উচিত। এই ডেভেলপমেন্ট টুলটি এমন API সরবরাহ করে যা আপনি বারকোড স্ক্যানিং এবং অন-ডিভাইস অনুবাদের মতো সাধারণ ML কাজগুলি সম্পূর্ণ করতে মোবাইল অ্যাপ থেকে সরাসরি কল করতে পারেন। এই পদ্ধতি ব্যবহার করে আপনি দ্রুত ফলাফল পেতে সাহায্য করতে পারেন। যাইহোক, ML Kit এর ক্ষমতা বাড়ানোর জন্য সীমিত বিকল্প রয়েছে। আরও তথ্যের জন্য, এমএল কিট ডেভেলপার ডকুমেন্টেশন দেখুন।


যদি আপনার নির্দিষ্ট ব্যবহারের ক্ষেত্রে একটি কাস্টম মডেল তৈরি করা আপনার চূড়ান্ত লক্ষ্য হয়, তাহলে আপনাকে একটি টেনসরফ্লো মডেল তৈরি এবং প্রশিক্ষণ দিয়ে শুরু করা উচিত বা বিদ্যমান একটি প্রসারিত করা উচিত। আপনি আপনার মডেল ডেভেলপমেন্ট প্রক্রিয়া শুরু করার আগে, আপনাকে TensorFlow Lite মডেলের সীমাবদ্ধতা সম্পর্কে সচেতন হতে হবে এবং এই সীমাবদ্ধতাগুলি মাথায় রেখে আপনার মডেল তৈরি করতে হবে:

  • সীমিত গণনা ক্ষমতা - একাধিক CPU, উচ্চ মেমরির ক্ষমতা এবং বিশেষায়িত প্রসেসর যেমন GPU এবং TPU সহ সম্পূর্ণ সজ্জিত সার্ভারের তুলনায়, মোবাইল এবং এজ ডিভাইসগুলি অনেক বেশি সীমিত, এবং আপনি তাদের সাথে কার্যকরভাবে প্রক্রিয়া করতে পারেন এমন মডেল এবং ডেটা সীমিত।
  • মডেলের আকার - ডেটা প্রাক-প্রক্রিয়াকরণ যুক্তি এবং মডেলের স্তরের সংখ্যা সহ একটি মডেলের সামগ্রিক জটিলতা, একটি মডেলের ইন-মেমরি আকার বৃদ্ধি করে। একটি বড় মডেল অগ্রহণযোগ্যভাবে ধীর গতিতে চলতে পারে বা সহজভাবে একটি মোবাইল বা প্রান্ত ডিভাইসের উপলব্ধ মেমরিতে ফিট নাও হতে পারে৷
  • ডেটার আকার - ইনপুট ডেটার আকার যা একটি মেশিন লার্নিং মডেলের সাথে কার্যকরভাবে প্রক্রিয়া করা যেতে পারে একটি মোবাইল বা প্রান্ত ডিভাইসে সীমিত৷ যে মডেলগুলি বড় ডেটা লাইব্রেরিগুলি ব্যবহার করে যেমন ল্যাঙ্গুয়েজ লাইব্রেরি, ইমেজ লাইব্রেরি, বা ভিডিও ক্লিপ লাইব্রেরিগুলি এই ডিভাইসগুলিতে ফিট নাও হতে পারে এবং এর জন্য অফ-ডিভাইস স্টোরেজ এবং অ্যাক্সেস সমাধানের প্রয়োজন হতে পারে।
  • সমর্থিত TensorFlow অপারেশন - TensorFlow Lite রানটাইম পরিবেশ নিয়মিত TensorFlow মডেলের তুলনায় অল্প সংখ্যক মেশিন লার্নিং মডেল অপারেশনকে সমর্থন করে। আপনি টেনসরফ্লো লাইটের সাথে ব্যবহারের জন্য একটি মডেল তৈরি করার সাথে সাথে আপনার টেনসরফ্লো লাইট রানটাইম পরিবেশের ক্ষমতার বিপরীতে আপনার মডেলের সামঞ্জস্যতা ট্র্যাক করা উচিত।

TensorFlow Lite-এর জন্য কার্যকর, সামঞ্জস্যপূর্ণ, উচ্চ পারফরম্যান্স মডেল তৈরির আরও তথ্যের জন্য, পারফরম্যান্সের সেরা অনুশীলনগুলি দেখুন।

TensorFlow Lite ব্যবহার করার জন্য কীভাবে একটি প্রাক-প্রশিক্ষিত ML মডেল বাছাই করবেন তা শিখুন।
আপনার প্রশিক্ষণ ডেটা ব্যবহার করে মডেলগুলি পরিবর্তন করতে TensorFlow Lite Model Maker ব্যবহার করুন।
TensorFlow Lite ব্যবহার করার জন্য কাস্টম TensorFlow মডেলগুলি কীভাবে তৈরি করবেন তা শিখুন।