יתכן שנתקלת ב- TensorFlow Lite בזמן שעברת לוחות פיתוח של AI AI או פרויקטים של האצת AI.
TensorFlow Lite הוא מסגרת של חבילות תוכנה המאפשרות אימון ML באופן מקומי על החומרה. עיבוד ומחשוב זה במכשיר מאפשר למפתחים להריץ את הדגמים שלהם על חומרה ממוקדת. החומרה כוללת לוחות פיתוח, מודולי חומרה, מכשירים משובצים ו- IoT.
סקירה כללית של מסגרת TensorFlow Lite
TensorFlow הוא מונח פופולרי בלימוד עמוק, מכיוון שמפתחי ML רבים משתמשים במסגרת זו למקרי שימוש שונים. זה מספק את קלות היישום מודלים ללימוד מכונה והסקות ליישומי AI.
אך TensorFlow Lite מהווה מסגרת למידה עמוקה להסקה מקומית, במיוחד עבור החומרה החישובית הנמוכה. זה מאפשר למידת מכונה במכשירים על ידי סיוע למפתחים בהפעלת הדגמים שלהם על חומרה תואמת והתקני IoT.
מפתח צריך לבחור דגם מתאים בהתאם למקרה השימוש. המסגרת נותנת גם אפשרות להכשרה מחודשת של המודל הקיים גם במערך נתונים מותאם אישית. מכיוון שמודל חיץ הפרוטוקול של TensorFlow מגיע עם גודל גדול ודורש כוח חישוב מתקדם, כך הוא מאפשר המרה של דגם TensorFlow למודל TensorFlow Lite.
ההתאמה האישית של אופטימיזציה וכימות פרמטרים מאפשרת הפחתה בגודל הדגם ובחביון.
מלבד היתרונות בגודל ההשהיה והגודל של TensorFlow Lite, המסגרת מספקת את אבטחת הנתונים כאשר האימונים מתרחשים באופן מקומי במכשיר. בנוסף, אין צורך בקישוריות לאינטרנט. לפיכך, פריסת היישומים אינה מוגבלת לאזורים ספציפיים עם קישוריות.
גורמים אלה מפחיתים בסופו של דבר את עומס צריכת החשמל במכשיר על ידי ביטול גורם הקישוריות והגברת היעילות של הסקת הלמידה העמוקה.
דגמים של מסגרת TensorFlow Lite קיימים בפורמט חוצה פלטפורמות המכונה FlatBuffers. זוהי ספריית סדרות המאחסנת נתונים היררכיים במאגר בינארי שטוח, כך שתאפשר גישה ישירה ללא פריקה. ניתן גם לצפות בתוסף ".tflite" עבור דגמי TensorFlow Lite. טכניקת ייצוג זו מאפשרת אופטימיזציות בחישובים ומפחיתה את דרישות הזיכרון. לפיכך, זה הופך אותו להרבה יותר טוב מדגמי TensorFlow
TinyML ב- TensorFlow Lite Micro
מכיוון ש- TensorFlow Lite תואם לפלטפורמות שונות ליישומי Edge AI, הצורך להתכנס עוד יותר לספרייה היה הכרחי. לפיכך, הארגון המציא ספריית קבוצות משנה של ה- TensorFlow Lite, המכונה TensorFlow Lite Micro. TensorFlow Lite Micro מריץ באופן ספציפי דגמי למידת מכונה על מיקרו-בקרים באופן מקומי עם דרישות זיכרון מינימליות של כמה קילובייט.
זמן הריצה המרכזי של ההליך משתלב עם 16KB ב- Arm Cortex M3 ויכול לעבוד על דגמים שונים. המסגרת אינה דורשת תמיכה נוספת במערכת ההפעלה או ספריות שפה אחרות ברמה גבוהה כתלות להפעלת ההיסק במכשיר.
הפיתוח של שורשי ה- TensorFlow Lite Micro ל- C ++ 11, שזקוק לארכיטקטורה של 32 סיביות לצורך תאימות. אם כבר מדברים על ארכיטקטורות, הספרייה עובדת מצוין על מגוון מעבדים מבוסס על ארכיטקטורת סדרת ה- Arm Cortex-M לאחרים. ארכיטקטורות עיצוב כמו ESP32.
זרימת עבודה למקרי שימוש במיקרו TensorFlow Lite
תהליך האימון של הרשת העצבית דורש חומרה חישובית גבוהה. לפיכך, הוא מאומן על הכלל דגם TensorFlow. עם זאת, הכשרה נדרשת רק אם מערך נתונים מותאם אישית מתאים למודל למידה עמוקה, ואילו מודלים שהוכשרו מראש על המסגרת יכולים לשמש גם ליישומים.
בהנחת מקרה שימוש מותאם אישית עם מערך הנתונים הספציפי ליישום, המשתמש מאמן את המודל במסגרת הכללית של TensorFlow עם יכולת עיבוד גבוהה וארכיטקטורה. לאחר סיום ההדרכה, הערכת המודל באמצעות טכניקות בדיקה מאמתת את דיוק ואמינות המודל. יתר על כן, בעקבות התהליך המרת דגם TensorFlow לדגם TensorFlow Lite תואם חומרה בפורמט .tflite.
הפורמט .tflite הוא קובץ חיץ שטוח המשותף למסגרת TensorFlow Lite ולחומרה תואמת. עוד ניתן להשתמש במודל לאימוני הסקה על הנתונים בזמן אמת המתקבלים על המודל. הכשרת ההסקות מיטבה את המודלים למקרי שימוש חזקים. לפיכך, האפשרות של אימון מסקנות היא קריטית לקצה יישומי AI.
רוב הקושחה של המיקרו-בקר אינה תומכת במערכת הקבצים המקורית להטבעה ישירה של פורמט החיץ השטוח של דגם TensorFlow Lite. מכאן שההמרה של קובץ ה- tflite נחוצה לפורמט מבנה מערך התואם למיקרו-בקרים.
הכללת התוכנית במערך C ואחריו קומפילציה רגילה היא טכניקה קלה להמרה כזו. הפורמט שנוצר פועל כקובץ מקור ומורכב ממערך תווים התואם למיקרו-בקרים.
מכשירים התומכים ב- TensorFlow Lite Micro
TensorFlow Lite מתאים למכשירים חזקים, אך הוא מגיע עם החיסרון של עומס העבודה הגדול יותר על המעבד. למרות של- TensorFlow Lite Micro יש קבצים בגודל קטן המועדים לתחתית, ומייעלים את גודל הקובץ מתאים לזיכרון יכול לשפר משמעותית את התפוקה עבור חומרה נמוכה וחומרת עיבוד נמוכה כגון מיקרו-בקרים.
להלן רשימת לוחות הפיתוח מהתיעוד הרשמי של TensorFlow התומך ב- TensorFlow Lite Micro:
- ארדואינו ננו 33 BLE Sense
- SparkFun Edge
- ערכת גילוי STM32F746
- אדפרויט אדג 'אדג'
- ערכת Adafruit TensorFlow Lite למיקרו-בקרים
- אדפרויט מגרש משחקים אוכמניות
- Espressif ESP32-DevKitC
- אספרסיף ESP-EYE
- מסוף Wio: ATSAMD51
- Himax WE-I Plus EVB Endpoint AI Board Development Board
ה- TensorFlow Lite Micro זמין גם כספריית Arduino לתמיכה מורחבת במיקרו-בקרים. זה יכול גם לבנות פרויקטים עבור סביבות פיתוח חומרה הדומות ל- Mbed.
TensorFlow Lite מציע הרבה
מסגרת הלמידה העמוקה של TensorFlow Lite פותחת את האפשרויות למספר יישומי AI מתקדמים. מכיוון שהמסגרת היא קוד פתוח לחובבי AI, התמיכה בקהילה הופכת אותה לפופולארית עוד יותר עבור מקרי שימוש בלימוד מכונה. הפלטפורמה הכוללת של TensorFlow Lite משפרת את הסביבה לצמיחת יישומי קצה למכשירים מוטבעים ו- IoT
בנוסף, ישנן דוגמאות שונות למתחילים שיסייעו להם במקרי השימוש בפועל במסגרת. חלק מהדוגמאות הללו כוללות זיהוי אדם בהתאם לנתונים שנאספו על ידי חיישן התמונה של לוח הפיתוח ובתוכנית הלו העולמית הסטנדרטית לכל לוחות הפיתוח. הדוגמאות כוללות גם יישומים כמו זיהוי מחוות וזיהוי דיבור גם ללוחות פיתוח ספציפיים.
למידע נוסף על TensorFlow Lite ו TensorFlow Lite מיקרו, תוכלו לבקר בדף התיעוד הרשמי של הארגון. ישנם הרבה חלקים רעיוניים כמו גם מדריכים להבנה טובה יותר של המסגרת.
רוצה להתמודד עם זיהוי תמונות? הודות ל- Tensorflow ו- Raspberry Pi, אתה יכול להתחיל מיד.
קרא הבא
- הסבירו טכנולוגיה
- בינה מלאכותית
- למידת מכונה
- גוגל TensorFlow
הירשם לניוזלטר שלנו
הצטרף לניוזלטר שלנו לקבלת טיפים טכניים, ביקורות, ספרים אלקטרוניים בחינם ומבצעים בלעדיים!
צעד אחד נוסף !!!
אנא אשר את כתובת הדוא"ל שלך בדוא"ל ששלחנו לך זה עתה.
