TensorFlow Lite je ľahké riešenie poskytované spoločnosťou TensorFlow na spustenie modelov strojového učenia na mobilných zariadeniach a zariadeniach internetu vecí. Keď tlmočník TensorFlow Lite spracuje model rozpoznávania objektov s rámom z kamery mobilného zariadenia ako vstupom, výstup zvyčajne zahŕňa niekoľko fáz, aby sa v konečnom dôsledku poskytli predpovede týkajúce sa objektov prítomných na obrázku.
Po prvé, vstupný rámec z kamery mobilného zariadenia sa privedie do interpreta TensorFlow Lite. Interpret potom predspracuje vstupný obraz jeho konverziou do formátu vhodného pre model strojového učenia. Tento krok predbežného spracovania zvyčajne zahŕňa zmenu veľkosti obrázka tak, aby zodpovedala vstupnej veľkosti očakávanej modelom, normalizáciu hodnôt pixelov a potenciálne použitie iných transformácií špecifických pre architektúru modelu.
Ďalej sa predspracovaný obrázok prenesie cez model rozpoznávania objektov v rámci interpreta TensorFlow Lite. Model spracováva obraz pomocou naučených parametrov a architektúry na generovanie predpovedí o objektoch prítomných v snímke. Tieto predpovede zvyčajne zahŕňajú informácie, ako sú označenia tried detekovaných objektov, ich umiestnenie na obrázku a skóre spoľahlivosti spojené s každou predpoveďou.
Keď model urobí svoje predpovede, interpret TensorFlow Lite odošle tieto informácie v štruktúrovanom formáte, ktorý môže použiť aplikácia využívajúca model. Tento výstup sa môže líšiť v závislosti od špecifických požiadaviek aplikácie, ale bežne zahŕňa zistené triedy objektov, ohraničujúce rámčeky ohraničujúce objekty na obrázku a súvisiace skóre spoľahlivosti.
Ak je napríklad model rozpoznávania objektov trénovaný na detekciu bežných objektov, ako sú autá, chodci a dopravné značky, výstup z interpreta TensorFlow Lite môže zahŕňať predpovede, ako napríklad „auto“ s ohraničujúcim rámčekom špecifikujúcim polohu auta v obrázok a skóre spoľahlivosti označujúce istotu modelu ohľadom predpovede.
Výstup tlmočníka TensorFlow Lite pre model strojového učenia rozpoznávania objektov spracúvajúci snímku z fotoaparátu mobilného zariadenia zahŕňa predbežné spracovanie vstupného obrazu, jeho prechod cez model na odvodenie a poskytovanie predpovedí o objektoch prítomných na obrázku v štruktúrovanom formáte. vhodné na ďalšie spracovanie aplikáciou.
Ďalšie nedávne otázky a odpovede týkajúce sa Základy TensorFlow EITC/AI/TFF:
- Ako možno použiť vrstvu vkladania na automatické priradenie správnych osí pre graf reprezentácie slov ako vektorov?
- Aký je účel maximálneho združovania v CNN?
- Ako sa proces extrakcie prvkov v konvolučnej neurónovej sieti (CNN) aplikuje na rozpoznávanie obrázkov?
- Je potrebné použiť funkciu asynchrónneho učenia pre modely strojového učenia spustené v TensorFlow.js?
- Aký je parameter maximálneho počtu slov rozhrania TensorFlow Keras Tokenizer API?
- Dá sa TensorFlow Keras Tokenizer API použiť na nájdenie najfrekventovanejších slov?
- čo je TOCO?
- Aký je vzťah medzi množstvom epoch v modeli strojového učenia a presnosťou predpovedí zo spustenia modelu?
- Vytvára API susediace s balíkom v Neural Structured Learning of TensorFlow rozšírený tréningový súbor údajov založený na údajoch z prirodzených grafov?
- Čo je rozhranie API susedov s balíkom v Neural Structured Learning of TensorFlow?
Pozrite si ďalšie otázky a odpovede v EITC/AI/TFF TensorFlow Fundamentals