การแปลงโมเดล TensorFlow เป็น TensorFlow Lite ด้วย Concrete Functions

การปรับใช้โมเดล machine learning บนมือถือและอุปกรณ์ Edge จำเป็นต้องมีการปรับแต่งทั้งในด้านขนาดและความเร็วโดยไม่สูญเสียความแม่นยำ หลักสูตรแบบอ่านนี้นำทางคุณผ่านกระบวนการแปลงโมเดล TensorFlow ไปเป็นรูปแบบ TensorFlow Lite น้ำหนักเบาโดยใช้ concrete functions คุณจะเข้าใจวิธีการเปลี่ยนผ่านจากสภาพแวดล้อมการพัฒนาที่มีความยืดหยุ่นไปสู่โมเดลที่ผ่านการ serialize และมีประสิทธิภาพสูงพร้อมสำหรับการใช้งานจริง ด้วยการอ่านคำอธิบายที่มีโครงสร้างและวิเคราะห์ตัวอย่างโค้ดที่ชัดเจน คุณจะได้เรียนรู้กลไกของการปรับแต่งโมเดล คุณจะได้เรียนรู้วิธีควบคุมท่อส่งการแปลง จัดการ eager execution และเตรียมสถาปัตยกรรมของคุณสำหรับสภาพแวดล้อมที่มีทรัพยากรจำกัด สิ่งที่คุณจะได้เรียนรู้: ทำความเข้าใจสถาปัตยกรรมหลักของ TensorFlow Lite และบทบาทของรูปแบบ flatbuffer; แปลงโมเดลโดยใช้ concrete functions เพื่อกำหนดลายเซ็นอินพุตที่ชัดเจน; จัดการ eager execution และ serialize กราฟอย่างถูกต้องสำหรับการใช้งาน; ปรับแต่งขนาดและประสิทธิภาพของโมเดลโดยใช้เทคนิคการทำ quantization พื้นฐาน; แก้ไขข้อผิดพลาดทั่วไปในการแปลงและการดำเนินการที่ไม่รองรับ หลักสูตรเริ่มต้นด้วยแนวคิดพื้นฐานของการ serialize และการทำงานของกราฟ จากนั้นดำเนินไปทีละขั้นตอนผ่านขั้นตอนการทำงานของการแปลงจริง และสิ้นสุดด้วยกลยุทธ์การปรับแต่ง หลักสูตรนี้ออกแบบมาสำหรับผู้เริ่มต้นใช้งาน machine learning บนมือถือและนักพัฒนาที่ต้องการเข้าใจกลไกเบื้องหลังของการแปลงโมเดล ไม่จำเป็นต้องมีประสบการณ์การใช้งานบนมือถือมาก่อน แม้ว่าจะแนะนำให้มีความเข้าใจพื้นฐานเกี่ยวกับ Python และ TensorFlow เริ่มอ่านวันนี้เพื่อนำโมเดล machine learning ของคุณไปสู่มือถือและอุปกรณ์ Edge