TFLite Model Maker：一个用于设备应用的模型定制库。
项目描述
TFLite Model Maker
概述
TFLite Model Maker库简化了将TensorFlow神经网络模型适配和转换为特定输入数据的流程，以便在部署该模型进行设备ML应用时使用。
要求
- 有关使用库和运行示例代码所需的依赖库，请参阅requirements.txt。
- 注意，您可能还需要安装
sndfile以处理音频任务。在Debian/Ubuntu上，您可以通过sudo apt-get install libsndfile1进行安装。
安装
安装Model Maker有两种方法。
- 安装预构建的pip包：
tflite-model-maker。
pip install tflite-model-maker
如果您想安装夜间版本 tflite-model-maker-nightly，请按照以下命令操作
pip install tflite-model-maker-nightly
- 从GitHub克隆源代码并安装。
git clone https://github.com/tensorflow/examples
cd examples/tensorflow_examples/lite/model_maker/pip_package
pip install -e .
TensorFlow Lite Model Maker依赖于TensorFlow pip包。对于GPU支持，请参考TensorFlow的GPU指南或安装指南。
端到端示例
例如，它可能有一个端到端图像分类示例，只需4行代码就可以使用这个库，每行代表整个过程的一步。更多细节，请参考Colab图像分类。
- 步骤1. 导入所需的模块。
from tflite_model_maker import image_classifier
from tflite_model_maker.image_classifier import DataLoader
- 步骤2. 加载特定于设备的ML应用的输入数据。
data = DataLoader.from_folder('flower_photos/')
- 步骤3. 定制TensorFlow模型。
model = image_classifier.create(data)
- 步骤4. 评估模型。
loss, accuracy = model.evaluate()
- 步骤5. 将模型导出到
export_dir中的TensorFlow Lite模型和标签文件。
model.export(export_dir='/tmp/')
笔记本
目前，我们支持图像分类、文本分类和问答任务。同时，我们在demo文件夹中为每个任务提供演示代码。
关闭
tflite-model-maker-nightly-0.4.4.dev202402230613.tar.gz的哈希值
| 算法 | 哈希摘要 | |
|---|---|---|
| SHA256 | 9e1b6f8f8afb9462d06327eede3e85fc8f1f38637ece4f04ef877d4d30b8438b |
|
| MD5 | 710c7583fe1ae44e4b6e873494671be5 |
|
| BLAKE2b-256 | 81d347af255c1f43906b0e1b4d64a44f14d3cbfd0155b55b6028b15d3a2bca25 |
关闭
tflite_model_maker_nightly-0.4.4.dev202402230613-py3-none-any.whl的哈希值
| 算法 | 哈希摘要 | |
|---|---|---|
| SHA256 | e2c8b0ff5d2cffc2573dd27addd14b5872525d8ebe1e7e83adab0263fbeda836 |
|
| MD5 | 43813881661f5fdaa2c88aefdfc8b33e |
|
| BLAKE2b-256 | c76a08f78c2895b5afa8bd33f177d227408f7d2e0e6f72df03860f03c4c028f7 |
