TensorFlow Lite — це легке рішення, надане TensorFlow для запуску моделей машинного навчання на мобільних пристроях і пристроях Інтернету речей. Коли інтерпретатор TensorFlow Lite обробляє модель розпізнавання об’єктів за допомогою кадру з камери мобільного пристрою як вхідних даних, вихід зазвичай включає кілька етапів, щоб остаточно забезпечити передбачення щодо об’єктів, присутніх на зображенні.
По-перше, вхідний кадр із камери мобільного пристрою подається в інтерпретатор TensorFlow Lite. Потім інтерпретатор попередньо обробляє вхідне зображення, перетворюючи його у формат, придатний для моделі машинного навчання. Цей етап попередньої обробки зазвичай передбачає зміну розміру зображення відповідно до очікуваного розміру вхідних даних моделлю, нормалізацію значень пікселів і потенційне застосування інших перетворень, характерних для архітектури моделі.
Потім попередньо оброблене зображення проходить через модель розпізнавання об’єктів в інтерпретаторі TensorFlow Lite. Модель обробляє зображення, використовуючи його вивчені параметри та архітектуру для створення прогнозів щодо об’єктів, присутніх у кадрі. Ці передбачення зазвичай містять таку інформацію, як мітки класів виявлених об’єктів, їх розташування на зображенні та показники достовірності, пов’язані з кожним прогнозом.
Коли модель робить свої прогнози, інтерпретатор TensorFlow Lite виводить цю інформацію в структурованому форматі, який може використовуватися програмою, що використовує модель. Цей результат може змінюватися залежно від конкретних вимог додатка, але зазвичай включає класи виявлених об’єктів, обмежувальні рамки, що окреслюють об’єкти на зображенні, і пов’язані оцінки надійності.
Наприклад, якщо модель розпізнавання об’єктів навчена виявляти звичайні об’єкти, як-от автомобілі, пішоходи та дорожні знаки, вихідні дані інтерпретатора TensorFlow Lite можуть включати такі прогнози, як «автомобіль» із обмежувальною рамкою, що вказує розташування автомобіля в зображення та показник довіри, що вказує на впевненість моделі щодо прогнозу.
Вихід інтерпретатора TensorFlow Lite для моделі машинного навчання розпізнавання об’єктів, що обробляє кадр із камери мобільного пристрою, передбачає попередню обробку вхідного зображення, передачу його через модель для висновку та надання передбачень щодо об’єктів, присутніх на зображенні, у структурованому форматі. придатні для подальшої обробки програмою.
Інші останні запитання та відповіді щодо Основи EITC/AI/TFF TensorFlow:
- Як можна використовувати шар вбудовування для автоматичного призначення правильних осей для графіка представлення слів як векторів?
- Яка мета максимального об’єднання в CNN?
- Як процес виділення ознак у згортковій нейронній мережі (CNN) застосовується до розпізнавання зображень?
- Чи необхідно використовувати функцію асинхронного навчання для моделей машинного навчання, що працюють у TensorFlow.js?
- Що таке параметр максимальної кількості слів TensorFlow Keras Tokenizer API?
- Чи можна використовувати TensorFlow Keras Tokenizer API для пошуку найчастіших слів?
- Що таке TOCO?
- Який зв’язок між кількома епохами в моделі машинного навчання та точністю передбачення від виконання моделі?
- Чи створює API сусідів пакетів у Neural Structured Learning TensorFlow розширений навчальний набір даних на основі даних природного графіка?
- Що таке API сусідів пакетів у нейронно-структурованому навчанні TensorFlow?
Дивіться більше запитань і відповідей у EITC/AI/TFF TensorFlow Fundamentals