最新发布的TensorFlow Lite Model Maker工具能使用转移学习使机器学习模型,适应开发者自定义的资料集。Model Maker使用API封装了複杂的机器学习概念,让开发人员仅需要撰写几行软件定制程式码,就能以TensorFlow框架训练模型,并将模型部署到装置上的人工智慧应用程式。
TensorFlow Lite在2017年时发布,专为边缘装置设计的TensorFlow模型预测框架,是TensorFlow的精简版本,让开发者可以在行动、物联网与嵌入式装置中部署机器学习模型,目前已经被大量部署于全球40亿个装置中,支援Android、iOS以及Linux的物联网装置和微控制器。
Model Maker是要让开发者能够根据自己的使用案例,自定义预训练模型,使这些预训练模型能够应用开发者的资料集,Model Maker支援TensorFlow Hub上各种可用的模型,同时也包括这次新发布的EfficientNet-Lite、MobileBERT以及ALBERT模型,开发者只需要修改一行程式码,就可以切换使用不同模型基础架构。Model Make目前支援两种使用案例,分别是图像分类以及文字分类。
而官方新发布的EfficientNet-Lite、MobileBERT以及ALBERT三种模型基础架构,可提供开发者应用于更广泛的使用案例,解决各式问题。EfficientNet-Lite是一种新型的图像分类模型,仅需要少量的计算以及参数,就能够实现高精准度的预测结果;EfficientNet-Lite模型针对TensorFlow Lite进行了最佳化,能以可忽略的精度损失支援量化,并由GPU达到更快速的预测。