TensorFlow Lite 助力產品落地

2021-02-20 TensorFlow

在 TensorFlow Lite 中引入前沿研究模型的同時，我們還希望您能夠為自己的用例與需求輕鬆自定義這些模型。

我們很高興地發布 TensorFlow Lite Model Maker，這款工具簡單易用。通過遷移學習，您可在您的數據集上應用前沿的機器學習模型。此工具將複雜的機器學習概念封裝在直觀的 API 中，無需機器學習專業知識，您也可以開啟機器學習之旅。只需 4 行代碼即可訓練最前沿的圖像分類：

data = ImageClassifierDataLoader.from_folder('flower_photos/')
model = image_classifier.create(data)
loss, accuracy = model.evaluate()
model.export('flower_classifier.tflite', 'flower_label.txt', with_metadata=True)
Model Maker   
https://github.com/tensorflow/examples/tree/master/tensorflow_examples/lite/model_maker
Model Maker 支持 TensorFlow Hub 上提供的許多最前沿模型，其中包括 EfficientNet-Lite 模型。如果想獲得更高的準確率，僅需修改一行代碼（保留其餘的訓練流水線），即可切換到不同的模型架構。
# EfficinetNet-Lite2.
model = image_classifier.create(data, efficientnet_lite2_spec)

# ResNet 50.
model = image_classifier.create(data, resnet_50_spec)
Model Maker 目前支持兩種用例：圖像分類（教程）和文本分類（教程），不久將添加更多計算機視覺和 NLP 用例。
圖像分類教程
https://colab.research.google.com/github/tensorflow/examples/blob/master/tensorflow_examples/lite/model_maker/demo/image_classification.ipynb
文本分類教程
https://colab.research.google.com/github/tensorflow/examples/blob/master/tensorflow_examples/lite/model_maker/demo/image_classification.ipynb

相關焦點

  • TensorFlow Lite 微控制器
    註：構建和轉換模型 連結https://tensorflow.google.cn/lite/microcontrollers/build_convert#%E8%BD%AC%E6%8D%A2%E6%A8%A1%E5%9E%8B理解 C++ 庫 連結https://tensorflow.google.cn/lite/microcontrollers
  • TensorFlow Lite 轉換器中的 TensorFlow 算子融合
    >https://colab.sandbox.google.com/github/tensorflow/tensorflow/blob/master/tensorflow/lite/examples/experimental_new_converter/Keras_LSTM_fusion_Codelab.ipynb此外，我們通過提供連接至基礎架構轉換的便捷接口，實現了到其他任意 TensorFlow
  • 谷歌第一個TensorFlow中文教程發布!深度解析TensorFlow Lite
    新智元推薦  來源：TensorFlow（ID：tensorflowers大家如果想要更好掌握 TensorFlow Lite 的技術細節，一定要閱讀以下文件：• lite/context.h• lite/model.h• lite/interpreter.h• lite/kernels/register.h希望我們的分享能讓廣大開發者們對 TensorFlow Lite 的代碼有一個初步認識
  • 有道雲筆記是如何使用TensorFlow Lite的?
    如果只想編譯庫文件，可以編譯 "//tensorflow/contrib/lite/java:tensorflowlite" 這個 target，得到的是 libtensorflowlite_jni.so 庫和相應的 java 層接口。
  • 玩轉TensorFlow Lite:有道雲筆記實操案例分享
    如果只想編譯庫文件，可以編譯 "//tensorflow/contrib/lite/java:tensorflowlite" 這個 target，得到的是 libtensorflowlite_jni.so 庫和相應的 java 層接口。
  • TensorFlow Lite Android部署介紹
    谷歌提供了多種轉換方式：tflight_convert跟tensorflow是一起下載的，筆者通過brew安裝的python，pip安裝tf-nightly後tflight_convert路徑如下：/mnist_cnn.tflite到此，我們已經得到一個可以運行的TensorFlow Lite模型了，即mnist_cnn.tflite。
  • 【免費教學】Tensorflow Lite極簡入門
    示例代碼如下：with tf.Session() as sess:  tflite_model = tf.contrib.lite.toco_convert(sess.graph_def, [img], [out])  open("converted_model.tflite","wb").write(tflite_model)TensorFlow
  • 學習教程 | 使用 TensorFlow Lite 在 Android App 中生成超分圖片
    file_path=org%2Ftensorflow%2Ftensorflow-lite%2F2.3.0%2Ftensorflow-lite-2.3.0.aar" dest "${project.rootDir}/libraries/tensorflow-lite-2.3.0.aar" overwrite false retries 5
  • TensorFlow Lite 深度解析 | 中文教學視頻
    大家如果想要更好掌握 TensorFlow Lite 的技術細節，一定要閱讀以下文件：lite/context.hlite/model.hlite/interpreter.hlite/kernels/register.h希望我們的分享能讓廣大開發者們對 TensorFlow Lite 的代碼有一個初步認識，期待看到大家精彩的作品
  • 跨越重重「障礙」,我從 PyTorch 轉換為了 TensorFlow Lite
    要求：TensorFlow == 2.2.0（這是 onnx-tensorflow 的先決條件。不過，它也適用於 tf-nightly 版本2.4.0-dev20200923）。tensorflow-addons == 0.11.2我也不知道為什麼，但這種轉換隻能用在我的 GPU 機器。
  • 社區分享 | TensorFlow Lite C++ API 開源案例教程
    ", urls = [ "https://github.com/tensorflow/tensorflow/archive/%s.tar.gz" % _TENSORFLOW_GIT_COMMIT, ], patches = [ "@//third_party:org_tensorflow_compatibility_fixes.diff
  • TensorFlow Lite的 GPU 委託代理(Delegate)是什麼
    代碼，並切到最新release分支，略# 假設當前在tensorflow目錄下# 配置tensorflow lite的編譯安裝第三方等環境# android ndk、SDK需提前裝好下載好# 其他走默認選擇.
  • Android中使用TensorFlow Lite實現圖像分類
    TensorFlow Lite的GitHub地址：https://github.com/tensorflow/tensorflow/tree/master/tensorflow/contrib/lite轉換模型 手機上執行預測，首先需要一個訓練好的模型，這個模型不能是TensorFlow原來格式的模型，TensorFlow
  • Tensorflow Lite人體姿勢跟蹤功能上線:實時人體姿態估計
    選自medium作者：TensorFlow機器之心編譯參與：陳韻瑩、Geek AITensowflow Lite 是移動端計算機視覺應用程式中的明星產品。這個夏天，Tensorflow Lite 再度進化，加入了 PosNet 人體姿態估計模塊，性能再度加強！
  • Google 第一個 TF 中文教學視頻發布 | TensorFlow Lite 深度解析
    大家如果想要更好掌握 TensorFlow Lite 的技術細節，一定要閱讀以下文件：lite/context.hlite/model.hlite/interpreter.hlite/kernels/register.h希望我們的分享能讓廣大開發者們對 TensorFlow Lite 的代碼有一個初步認識，期待看到大家精彩的作品
  • Google發布TensorFlow Lite
    更多信息請查看 TensorFlow Lite 文檔頁：https://www.tensorflow.org/mobile/tflite/查看英文原文：https://developers.googleblog.com/2017/11/announcing-tensorflow-lite.html?
  • 中文教學視頻 | 在 Android 中使用 TensorFlow Lite
    而特殊設計：下面這個連結是在視頻中提到的可以在 TensorFlow Lite 使用的模型：http://t.cn/REv1iBo在上述連結下載一個 MobileNet 0.75 128 Float 的模型包，裡面包括了：開發聲明依賴要使用 TF Lite，第一步就是在項目的 Gradle 文件中加入 org.tensorflow
  • Tensorflow Lite人體姿勢跟蹤功能上線:基於PosNet的實時人體姿態估計
    這個夏天，Tensorflow Lite 再度進化，加入了 PosNet 人體姿態估計模塊，性能再度加強！懷著激動的心情，我們發布了一個「TensorFlow Lite」示例應用程式（https://www.tensorflow.org/lite），通過它在安卓設備上通過使用「PoseNet」模型來實現人體姿勢估計。
  • 在 Android 上使用 TensorFlow Lite
    註：TensorFlow Lite 連結https://www.tensorflow.org/mobile/tflite/目前，TensorFlow Lite 為 Android 和 iOS 設備提供了 C ++ API，並且為 Android 開發人員提供了 Java Wrapper。
  • 如何使用TensorFlow Lite實現邊緣端的Always-on語音識別?
    It is designed to handle the entire data flow from processing audio samples to detection.WhisPro supports two use cases for edge devices:Always-on wake word detection engine.