TinyML

Kapitel 19. Modelle von TensorFlow auf TensorFlow Lite portieren

Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: [e-mail]

Wenn du es bis hierher geschafft hast, wirst du verstehen, dass wir dafür sind, bestehende Modelle für neue Aufgaben wiederzuverwenden, wann immer du kannst. Ein völlig neues Modell von Grund auf zu trainieren, kann viel Zeit und Experimente erfordern, und selbst Experten können den besten Ansatz oft nicht vorhersagen, ohne viele verschiedene Prototypen auszuprobieren. Das bedeutet, dass ein vollständiger Leitfaden zur Erstellung neuer Architekturen den Rahmen dieses Buches sprengen würde. Wir empfehlen, in Kapitel 21 weitere Lektüre zu diesem Thema zu lesen. Es gibt jedoch einige Aspekte (wie z. B. die Arbeit mit einer eingeschränkten Anzahl von Operationen oder Anforderungen an die Vorverarbeitung), die nur beim ressourcenbeschränkten maschinellen Lernen auf dem Gerät möglich sind, und zu denen dieses Kapitel Tipps gibt.

Verstehe, welche Ops benötigt werden

Dieses Buch konzentriert sich auf Modelle, die in TensorFlow erstellt wurden, weil die Autoren im Team von Google arbeiten, aber selbst innerhalb eines einzigen Frameworks gibt es viele verschiedene Möglichkeiten, Modelle zu erstellen. Wenn du dir das Trainingsskript für Sprachbefehle ansiehst, wirst du sehen, dass es ein Modell erstellt, indem es die Kernfunktionen von TensorFlow direkt als Bausteine verwendet und manuell eine ...