Gunakan model Google yang sudah dilatih sebelumnya (mis.Jika Anda ingin menggali lebih dalam tentang cara menggunakan TensorFlow (dan fitur ML lainnya), berikut adalah ringkasan yang lebih terperinci tentang opsi pengembangan Anda (dalam urutan kompleksitas): TensorFlow untuk menggunakan model lain yang sudah dilatih sebelumnya atau untuk membangun dan melatih model Anda sendiri. ( daftar model yang didukung), sesuai dengan kebutuhan Anda, atau ML Kit Base API jika salah satu model pada-perangkat Google, seperti pengenalan teks, deteksi wajah, dll.Bagi kebanyakan developer, dua titik awal untuk memulai adalah: Google menyediakan berbagai macam produk developer machine learning pada-perangkat. Misalnya, contoh deteksi objek dilengkapi dengan kode pelacak dan utilitas gambar untuk transformasi umum. Sebelum contoh ini ada, tugas-tugas seperti transformasi gambar (untuk menggambar hasil analisis di atas gambar kamera) bisa rumit diterapkan. Di sini Anda akan menemukan berbagai contoh Android (dan iOS) untuk mengintegrasikan berbagai jenis model termasuk deteksi objek dan pengenalan ucapan. Favorit pribadi saya adalah bagian contoh TensorFlow Lite yang baru. Tim TensorFlow memperluas dokumentasi mereka sebagai bagian dari rilis alfa TensorFlow 2.0. Detail selengkapnya bisa dibaca di entri blog peluncuran delegasi GPU.ĭokumentasi yang diperluas dan contoh Android baru Selain itu, tim sedang bekerja untuk segera membuatnya open source. Saat mengimpor interpreter model TensorFlow, gunakan kode berikut:įungsionalitas ini bersifat eksperimental dan tim TensorFlow sangat menantikan masukan komunitas developer tentang bagaimana ini bisa semakin ditingkatkan. Untuk menggunakannya, developer harus mengupdate file adle aplikasi mereka: Itulah sebabnya developer Android yang saya ajak bicara sangat bersemangat tentang seberapa besar delegasi GPU TensorFlow Lite eksperimental baru bisa mempercepat inferensi (menjalankan model ML) pada perangkat dengan OpenGL ES 3.1, yang diperkenalkan sebagai bagian dari Android API Level 21 (Lollipop). Untuk developer seluler, yang sebenarnya paling penting adalah mampu memberikan pengalaman pengguna yang baik di berbagai ponsel. Tajuk machine learning sering kali berfokus pada terobosan terbaru mengenai perangkat terbaru dan paling kuat. Postingan ini menyoroti beberapa pengumuman ini dan juga merangkum beberapa percakapan menarik yang saya lakukan dengan developer.Īkselerasi GPU menghadirkan ML pada-perangkat ke banyak orang Mereka termasuk akselerasi delegasi GPU (2-7x lebih cepat vs CPU), dokumentasi yang diperluas dan code lab baru yang menunjukkan cara menggunakan model TensorFlow Lite di Android. Dua minggu lalu di TensorFlow Dev Summit, sejumlah perkembangan baru yang menarik untuk Android ( rekaman sesi) diumumkan.
0 Comments
Leave a Reply. |
AuthorWrite something about yourself. No need to be fancy, just an overview. ArchivesCategories |