TensorFlow Lite on TensorFlow pakutav kerge lahendus masinõppemudelite käitamiseks mobiil- ja IoT-seadmetes. Kui TensorFlow Lite'i tõlk töötleb objektituvastusmudelit, mille sisendiks on mobiilseadme kaamera kaader, hõlmab väljund tavaliselt mitut etappi, et anda lõpuks ennustusi pildil olevate objektide kohta.
Esiteks sisestatakse mobiilseadme kaamera sisendkaader TensorFlow Lite'i interpretaatorisse. Seejärel töötleb tõlk sisendpildi eeltöötledes, teisendades selle masinõppemudeli jaoks sobivasse vormingusse. See eeltöötlusetapp hõlmab tavaliselt pildi suuruse muutmist, et see vastaks mudeli eeldatavale sisendi suurusele, piksliväärtuste normaliseerimine ja potentsiaalselt muude mudeliarhitektuurile omaste teisenduste rakendamine.
Järgmisena juhitakse eeltöödeldud pilt läbi objektituvastusmudeli TensorFlow Lite'i interpretaatoris. Mudel töötleb pilti, kasutades selle õpitud parameetreid ja arhitektuuri, et luua prognoose kaadris olevate objektide kohta. Need ennustused sisaldavad tavaliselt sellist teavet nagu tuvastatud objektide klassisildid, nende asukohad pildil ja iga ennustusega seotud usaldusskoorid.
Kui mudel on oma ennustused teinud, väljastab TensorFlow Lite'i tõlk selle teabe struktureeritud vormingus, mida mudelit kasutav rakendus saab kasutada. See väljund võib varieeruda olenevalt rakenduse spetsiifilistest nõuetest, kuid tavaliselt sisaldab see tuvastatud objektiklasse, pildil olevaid objekte kirjeldavaid piirdekaste ja nendega seotud usaldusskoore.
Näiteks kui objektituvastusmudel on koolitatud tuvastama tavalisi objekte, nagu autod, jalakäijad ja liiklusmärgid, võib TensorFlow Lite'i tõlgi väljund sisaldada selliseid ennustusi nagu "auto" koos piirdekastiga, mis määrab auto asukoha pilt ja usaldusskoor, mis näitab mudeli kindlust ennustuse suhtes.
TensorFlow Lite'i tõlgi väljund objektituvastuse masinõppemudeli jaoks, mis töötleb mobiilseadme kaamerast kaadrit, hõlmab sisendpildi eeltöötlust, selle läbimist mudelist järelduste tegemiseks ja ennustuste esitamist pildil olevate objektide kohta struktureeritud vormingus. sobib rakendusega edasiseks töötlemiseks.
Muud hiljutised küsimused ja vastused selle kohta EITC/AI/TFF TensorFlow põhialused:
- Kuidas saab manustamiskihti kasutada, et määrata automaatselt õiged teljed sõnade vektoriteks esitamise graafikule?
- Mis on CNN-i maksimaalse ühendamise eesmärk?
- Kuidas rakendatakse konvolutsioonilise närvivõrgu (CNN) funktsioonide eraldamise protsessi kujutise tuvastamisel?
- Kas TensorFlow.js-s töötavate masinõppemudelite jaoks on vaja kasutada asünkroonset õppefunktsiooni?
- Mis on TensorFlow Keras Tokenizer API maksimaalse sõnade arvu parameeter?
- Kas TensorFlow Keras Tokenizer API-t saab kasutada kõige sagedamini esinevate sõnade leidmiseks?
- Mis on TOCO?
- Milline on seos masinõppemudeli mitme ajastu ja mudeli käitamise ennustuse täpsuse vahel?
- Kas TensorFlow neural Structured Learningis pakutav paketinaabrite API loob looduslike graafikute andmetel põhineva täiustatud treeningu andmestiku?
- Mis on TensorFlow neural Structured Learningis paketinaabrite API?
Vaadake rohkem küsimusi ja vastuseid EITC/AI/TFF TensorFlow Fundamentalsis