TensorFlow Lite - гэта лёгкае рашэнне, прадстаўленае TensorFlow для запуску мадэляў машыннага навучання на мабільных прыладах і прыладах IoT. Калі інтэрпрэтатар TensorFlow Lite апрацоўвае мадэль распазнавання аб'ектаў з кадрам з камеры мабільнага прылады ў якасці ўваходных дадзеных, выхад звычайна ўключае ў сябе некалькі этапаў, каб у канчатковым выніку даць прагнозы адносна аб'ектаў, прысутных на малюнку.
Па-першае, уваходны кадр з камеры мабільнай прылады падаецца ў інтэрпрэтатар TensorFlow Lite. Затым інтэрпрэтатар папярэдне апрацоўвае ўваходны малюнак, пераўтвараючы яго ў фармат, прыдатны для мадэлі машыннага навучання. Гэты этап папярэдняй апрацоўкі звычайна ўключае змяненне памеру выявы ў адпаведнасці з памерам уводу, чаканым мадэллю, нармалізацыю значэнняў пікселяў і патэнцыйнае прымяненне іншых пераўтварэнняў, характэрных для архітэктуры мадэлі.
Затым папярэдне апрацаванае малюнак праходзіць праз мадэль распазнавання аб'ектаў у інтэрпрэтатары TensorFlow Lite. Мадэль апрацоўвае відарыс, выкарыстоўваючы яго вывучаныя параметры і архітэктуру, каб ствараць прагнозы адносна аб'ектаў, якія прысутнічаюць у кадры. Гэтыя прагнозы звычайна ўключаюць у сябе такую інфармацыю, як меткі класаў выяўленых аб'ектаў, іх размяшчэнне на малюнку і балы даверу, звязаныя з кожным прагнозам.
Пасля таго, як мадэль зрабіла свае прагнозы, інтэрпрэтатар TensorFlow Lite выводзіць гэтую інфармацыю ў структураваным фармаце, які можа выкарыстоўвацца праграмай, якая выкарыстоўвае мадэль. Гэты вынік можа вар'іравацца ў залежнасці ад канкрэтных патрабаванняў прыкладання, але звычайна ўключае ў сябе выяўленыя класы аб'ектаў, абмежавальныя рамкі, якія акрэсліваюць аб'екты на малюнку, і звязаныя балы даверу.
Напрыклад, калі мадэль распазнавання аб'ектаў навучана выяўляць звычайныя аб'екты, такія як аўтамабілі, пешаходы і дарожныя знакі, вывад інтэрпрэтатара TensorFlow Lite можа ўключаць прагнозы, такія як "аўтамабіль" з абмежавальнай рамкай, якая вызначае месцазнаходжанне аўтамабіля ў малюнак і адзнака даверу, якая паказвае ўпэўненасць мадэлі ў прадказанні.
Выхад інтэрпрэтатара TensorFlow Lite для мадэлі машыннага навучання распазнавання аб'ектаў, якая апрацоўвае кадр з камеры мабільнага прылады, уключае папярэднюю апрацоўку ўваходнага відарыса, праходжанне яго праз мадэль для вываду і прадастаўленне прагнозаў аб аб'ектах, прысутных на малюнку, у структураваным фармаце прыдатныя для далейшай апрацоўкі прымяненнем.
Іншыя апошнія пытанні і адказы адносна Асновы EITC/AI/TFF TensorFlow:
- Як можна выкарыстоўваць пласт убудавання для аўтаматычнага прызначэння правільных восяў для графіка прадстаўлення слоў у выглядзе вектараў?
- Якая мэта максімальнага аб'яднання ў CNN?
- Як працэс вылучэння прыкмет у сверточной нейронавай сетцы (CNN) прымяняецца да распазнавання малюнкаў?
- Ці неабходна выкарыстоўваць функцыю асінхроннага навучання для мадэляў машыннага навучання, якія працуюць у TensorFlow.js?
- Што такое параметр максімальнай колькасці слоў TensorFlow Keras Tokenizer API?
- Ці можна выкарыстоўваць TensorFlow Keras Tokenizer API для пошуку найбольш частых слоў?
- Што такое TOCO?
- Якая ўзаемасувязь паміж колькасцю эпох у мадэлі машыннага навучання і дакладнасцю прагназавання ад запуску мадэлі?
- Ці стварае API суседніх пакетаў у Neural Structured Learning TensorFlow дапоўнены навучальны набор даных на аснове натуральных графічных даных?
- Што такое API суседніх пакетаў у нейронавым структураваным навучанні TensorFlow?
Глядзіце больш пытанняў і адказаў у EITC/AI/TFF TensorFlow Fundamentals