TensorFlow Lite मोबाइल और IoT उपकरणों पर मशीन लर्निंग मॉडल चलाने के लिए TensorFlow द्वारा प्रदान किया गया एक हल्का समाधान है। जब TensorFlow Lite दुभाषिया इनपुट के रूप में मोबाइल डिवाइस कैमरे से एक फ्रेम के साथ एक ऑब्जेक्ट पहचान मॉडल को संसाधित करता है, तो आउटपुट में आम तौर पर छवि में मौजूद वस्तुओं के बारे में भविष्यवाणियां प्रदान करने के लिए कई चरण शामिल होते हैं।
सबसे पहले, मोबाइल डिवाइस कैमरे से इनपुट फ़्रेम को TensorFlow Lite दुभाषिया में फीड किया जाता है। इसके बाद दुभाषिया इनपुट छवि को मशीन लर्निंग मॉडल के लिए उपयुक्त प्रारूप में परिवर्तित करके प्रीप्रोसेस करता है। इस प्रीप्रोसेसिंग चरण में आमतौर पर मॉडल द्वारा अपेक्षित इनपुट आकार से मेल खाने के लिए छवि का आकार बदलना, पिक्सेल मानों को सामान्य करना और संभावित रूप से मॉडल आर्किटेक्चर के लिए विशिष्ट अन्य परिवर्तनों को लागू करना शामिल है।
इसके बाद, पूर्व-संसाधित छवि को TensorFlow Lite दुभाषिया के भीतर ऑब्जेक्ट पहचान मॉडल के माध्यम से पारित किया जाता है। मॉडल फ्रेम में मौजूद वस्तुओं के बारे में पूर्वानुमान उत्पन्न करने के लिए अपने सीखे हुए मापदंडों और वास्तुकला का उपयोग करके छवि को संसाधित करता है। इन भविष्यवाणियों में आम तौर पर पहचानी गई वस्तुओं के वर्ग लेबल, छवि में उनके स्थान और प्रत्येक भविष्यवाणी से जुड़े आत्मविश्वास स्कोर जैसी जानकारी शामिल होती है।
एक बार जब मॉडल अपनी भविष्यवाणी कर लेता है, तो TensorFlow Lite दुभाषिया इस जानकारी को एक संरचित प्रारूप में आउटपुट करता है जिसका उपयोग मॉडल का उपयोग करने वाले एप्लिकेशन द्वारा किया जा सकता है। यह आउटपुट एप्लिकेशन की विशिष्ट आवश्यकताओं के आधार पर भिन्न हो सकता है, लेकिन आम तौर पर इसमें पहचाने गए ऑब्जेक्ट वर्ग, छवि में ऑब्जेक्ट को रेखांकित करने वाले बाउंडिंग बॉक्स और संबंधित आत्मविश्वास स्कोर शामिल होते हैं।
उदाहरण के लिए, यदि ऑब्जेक्ट रिकग्निशन मॉडल को कारों, पैदल यात्रियों और ट्रैफ़िक संकेतों जैसी सामान्य वस्तुओं का पता लगाने के लिए प्रशिक्षित किया जाता है, तो TensorFlow Lite दुभाषिया के आउटपुट में कार के स्थान को निर्दिष्ट करने वाले बाउंडिंग बॉक्स के साथ "कार" जैसी भविष्यवाणियां शामिल हो सकती हैं। छवि और एक आत्मविश्वास स्कोर भविष्यवाणी के बारे में मॉडल की निश्चितता को दर्शाता है।
मोबाइल डिवाइस कैमरे से एक फ्रेम को संसाधित करने वाले ऑब्जेक्ट रिकग्निशन मशीन लर्निंग मॉडल के लिए टेन्सरफ्लो लाइट दुभाषिया के आउटपुट में इनपुट छवि को प्रीप्रोसेस करना, इसे अनुमान के लिए मॉडल के माध्यम से पास करना और एक संरचित प्रारूप में छवि में मौजूद वस्तुओं के बारे में भविष्यवाणियां प्रदान करना शामिल है। एप्लिकेशन द्वारा आगे की प्रक्रिया के लिए उपयुक्त।
संबंधित अन्य हालिया प्रश्न और उत्तर EITC/AI/TFF TensorFlow Fundamentals:
- वैक्टर के रूप में शब्दों के प्रतिनिधित्व के प्लॉट के लिए उचित अक्षों को स्वचालित रूप से निर्दिष्ट करने के लिए कोई एम्बेडिंग परत का उपयोग कैसे कर सकता है?
- सीएनएन में अधिकतम पूलिंग का उद्देश्य क्या है?
- कन्वेन्शनल न्यूरल नेटवर्क (सीएनएन) में फीचर निष्कर्षण प्रक्रिया को छवि पहचान पर कैसे लागू किया जाता है?
- क्या TensorFlow.js में चल रहे मशीन लर्निंग मॉडल के लिए एसिंक्रोनस लर्निंग फ़ंक्शन का उपयोग करना आवश्यक है?
- TensorFlow Keras टोकनेज़र API शब्दों की अधिकतम संख्या पैरामीटर क्या है?
- क्या TensorFlow Keras टोकनाइज़र API का उपयोग सबसे अधिक बार आने वाले शब्दों को खोजने के लिए किया जा सकता है?
- टोको क्या है?
- मशीन लर्निंग मॉडल में कई युगों और मॉडल चलाने से भविष्यवाणी की सटीकता के बीच क्या संबंध है?
- क्या टेन्सरफ्लो के न्यूरल स्ट्रक्चर्ड लर्निंग में पैक पड़ोसी एपीआई प्राकृतिक ग्राफ डेटा के आधार पर एक संवर्धित प्रशिक्षण डेटासेट का उत्पादन करता है?
- TensorFlow के न्यूरल स्ट्रक्चर्ड लर्निंग में पैक नेबर्स एपीआई क्या है?
EITC/AI/TFF TensorFlow Fundamentals में अधिक प्रश्न और उत्तर देखें