TensorFlow Lite क्या है और यह एक गहन शिक्षण ढांचा कैसे है?

एज एआई डेवलपमेंट बोर्ड या एआई एक्सेलेरेशन प्रोजेक्ट्स को देखते हुए आपने TensorFlow Lite को देखा होगा।

TensorFlow Lite सॉफ्टवेयर पैकेज का एक ढांचा है जो हार्डवेयर पर स्थानीय रूप से ML प्रशिक्षण को सक्षम बनाता है। यह ऑन-डिवाइस प्रोसेसिंग और कंप्यूटिंग डेवलपर्स को लक्षित हार्डवेयर पर अपने मॉडल चलाने की अनुमति देता है। हार्डवेयर में विकास बोर्ड, हार्डवेयर मॉड्यूल, एम्बेडेड और IoT डिवाइस शामिल हैं।

TensorFlow लाइट फ्रेमवर्क का अवलोकन

TensorFlow गहन शिक्षण में एक लोकप्रिय शब्द है, क्योंकि कई ML डेवलपर विभिन्न उपयोग के मामलों के लिए इस ढांचे का उपयोग करते हैं। यह कार्यान्वयन में आसानी प्रदान करता है मशीन लर्निंग मॉडल और एआई अनुप्रयोगों के लिए अनुमान।

लेकिन TensorFlow Lite स्थानीय अनुमान के लिए एक गहन शिक्षण ढांचा है, विशेष रूप से कम कम्प्यूटेशनल हार्डवेयर के लिए। यह संगत हार्डवेयर और IoT उपकरणों पर अपने मॉडल चलाने में डेवलपर्स की सहायता करके ऑन-डिवाइस मशीन सीखने की अनुमति देता है।

एक डेवलपर को उपयोग के मामले के आधार पर एक उपयुक्त मॉडल का चयन करने की आवश्यकता होती है। फ्रेमवर्क मौजूदा मॉडल को कस्टम डेटासेट पर फिर से प्रशिक्षित करने का विकल्प भी देता है। चूंकि TensorFlow का प्रोटोकॉल बफर मॉडल बड़े आकार के साथ आता है और इसके लिए उन्नत कम्प्यूटेशनल शक्ति की आवश्यकता होती है, इस प्रकार यह TensorFlow मॉडल को TensorFlow लाइट मॉडल में बदलने में सक्षम बनाता है।

मापदंडों को अनुकूलित और परिमाणित करने का अनुकूलन मॉडल आकार और विलंबता में कमी की अनुमति देता है।

TensorFlow Lite के विलंबता और आकार लाभों के अलावा, ढांचा डेटा की सुरक्षा प्रदान करता है क्योंकि प्रशिक्षण डिवाइस पर स्थानीय रूप से होता है। इसके अतिरिक्त, इंटरनेट कनेक्टिविटी की कोई आवश्यकता नहीं है। इस प्रकार, अनुप्रयोगों की तैनाती कनेक्टिविटी वाले विशिष्ट क्षेत्रों तक ही सीमित नहीं है।

ये कारक अंततः कनेक्टिविटी कारक को समाप्त करके और गहन शिक्षण अनुमान की दक्षता को बढ़ाकर डिवाइस पर बिजली की खपत के भार को कम करते हैं।

TensorFlow Lite ढांचे के मॉडल एक क्रॉस-प्लेटफ़ॉर्म प्रारूप में मौजूद हैं जिन्हें फ़्लैटबफ़र्स के रूप में जाना जाता है। यह एक क्रमांकन पुस्तकालय है जो पदानुक्रमित डेटा को एक फ्लैट बाइनरी बफर में संग्रहीत करता है ताकि अनपैकिंग के बिना सीधी पहुंच संभव हो। आप TensorFlow Lite मॉडल के लिए “.tflite” एक्सटेंशन भी देख सकते हैं। प्रतिनिधित्व की यह तकनीक संगणना में अनुकूलन की अनुमति देती है और स्मृति आवश्यकताओं को कम करती है। इसलिए, इसे TensorFlow मॉडल से बेहतर बनाना much

TensorFlow लाइट माइक्रो पर TinyML

चूंकि TensorFlow Lite एज एआई अनुप्रयोगों के लिए विभिन्न प्लेटफार्मों के साथ संगत है, इसलिए पुस्तकालय को और अधिक अभिसरण करने की आवश्यकता थी। इसलिए, संगठन TensorFlow Lite की एक सबसेट लाइब्रेरी के साथ आया, जिसे TensorFlow Lite Micro के नाम से जाना जाता है। TensorFlow Lite Micro विशेष रूप से लगभग कुछ किलोबाइट की न्यूनतम मेमोरी आवश्यकताओं के साथ स्थानीय रूप से माइक्रोकंट्रोलर पर मशीन लर्निंग मॉडल चलाता है।

प्रक्रिया का मुख्य रनटाइम एक आर्म कॉर्टेक्स एम 3 पर 16 केबी के साथ एकीकृत होता है और विभिन्न मॉडलों पर काम कर सकता है। डिवाइस पर अनुमान चलाने के लिए निर्भरता के रूप में ढांचे को अतिरिक्त OS समर्थन या अन्य उच्च-स्तरीय भाषा पुस्तकालयों की आवश्यकता नहीं होती है।

TensorFlow लाइट माइक्रो रूट्स का C++ 11 में विकास, जिसे संगतता के लिए 32-बिट आर्किटेक्चर की आवश्यकता है। आर्किटेक्चर के बारे में अधिक बात करते हुए, लाइब्रेरी आर्म कॉर्टेक्स-एम सीरीज आर्किटेक्चर पर आधारित प्रोसेसर की एक मजबूत रेंज पर ठीक काम करती है। ESP32 जैसे डिजाइन आर्किटेक्चर architecture.

TensorFlow Lite माइक्रो उपयोग मामलों के लिए कार्य प्रवाह

तंत्रिका नेटवर्क की प्रशिक्षण प्रक्रिया के लिए उच्च कम्प्यूटेशनल हार्डवेयर की आवश्यकता होती है। इस प्रकार, यह सामान्य पर प्रशिक्षित है टेंसरफ्लो मॉडल. हालाँकि, प्रशिक्षण की आवश्यकता केवल तभी होती है जब कोई कस्टम डेटासेट एक गहन शिक्षण मॉडल के अनुकूल हो, जबकि फ्रेमवर्क पर पूर्व-प्रशिक्षित मॉडल का उपयोग अनुप्रयोगों के लिए भी किया जा सकता है।

एप्लिकेशन-विशिष्ट डेटासेट के साथ एक कस्टम उपयोग के मामले को मानते हुए, उपयोगकर्ता उच्च प्रसंस्करण क्षमता और वास्तुकला के साथ सामान्य TensorFlow ढांचे पर मॉडल को प्रशिक्षित करता है। एक बार प्रशिक्षण समाप्त हो जाने के बाद, परीक्षण तकनीकों का उपयोग करके मॉडल मूल्यांकन मॉडल की सटीकता और विश्वसनीयता को सत्यापित करता है। इसके अलावा, TensorFlow मॉडल को .tflite प्रारूप में हार्डवेयर संगत TensorFlow Lite मॉडल में परिवर्तित करके प्रक्रिया का पालन किया जाता है।

.tflite प्रारूप एक सपाट बफर फ़ाइल है जो TensorFlow Lite ढांचे और संगत हार्डवेयर के लिए सामान्य है। मॉडल पर प्राप्त रीयल-टाइम डेटा पर अनुमान प्रशिक्षण के लिए मॉडल का आगे उपयोग किया जा सकता है। अनुमान प्रशिक्षण ने मजबूत उपयोग के मामलों के लिए मॉडल को अनुकूलित किया। इसलिए, बढ़त के लिए अनुमान प्रशिक्षण का विकल्प महत्वपूर्ण है एआई अनुप्रयोग।

अधिकांश माइक्रोकंट्रोलर के फर्मवेयर TensorFlow लाइट मॉडल के फ्लैट बफर प्रारूप को सीधे एम्बेड करने के लिए देशी फाइल सिस्टम का समर्थन नहीं करते हैं। इसलिए, .tflite फ़ाइल का रूपांतरण एक सरणी संरचना प्रारूप के लिए आवश्यक है, जो माइक्रोकंट्रोलर के साथ संगत है।

सामान्य संकलन के बाद सी सरणी में कार्यक्रम को शामिल करना इस तरह के रूपांतरण के लिए एक आसान तकनीक है। परिणामी प्रारूप एक स्रोत फ़ाइल के रूप में कार्य करता है और इसमें माइक्रोकंट्रोलर के साथ संगत वर्ण सरणी होती है।

TensorFlow लाइट माइक्रो का समर्थन करने वाले उपकरण

TensorFlow Lite शक्तिशाली उपकरणों के लिए उपयुक्त है, लेकिन यह प्रोसेसर पर अधिक कार्यभार की कमी के साथ आता है। हालाँकि, TensorFlow Lite Micro में छोटे आकार की फ़ाइलें हैं, जो कम फ़िट होने की संभावना है, फ़ाइल आकार को अनुकूलित करते हुए मेमोरी फिट बैठता है, कम बिजली और कम प्रोसेसिंग हार्डवेयर जैसे आउटपुट में काफी सुधार कर सकता है माइक्रोकंट्रोलर।

यहाँ आधिकारिक TensorFlow प्रलेखन से विकास बोर्डों की सूची दी गई है जो TensorFlow Lite Micro का समर्थन करते हैं:

• अरुडिनो नैनो 33 बीएलई सेंस
• स्पार्कफन एज
• STM32F746 डिस्कवरी किट
• एडफ्रूट एजबैज
• माइक्रोकंट्रोलर किट के लिए एडफ्रूट टेंसरफ्लो लाइट
• एडफ्रूट सर्किट खेल का मैदान ब्लूफ्रूट
• एस्प्रेसिफ ESP32-DevKitC
• एस्प्रेसिफ ESP-EYE
• वाईओ टर्मिनल: एटीएसएएमडी51
• हिमैक्स वी-आई प्लस ईवीबी एंडपॉइंट एआई डेवलपमेंट बोर्ड

TensorFlow Lite Micro माइक्रोकंट्रोलर्स के लिए विस्तारित समर्थन के लिए Arduino लाइब्रेरी के रूप में भी उपलब्ध है। यह एमबेड के समान हार्डवेयर विकास वातावरण के लिए प्रोजेक्ट भी बना सकता है।

TensorFlow Lite बहुत कुछ प्रदान करता है

TensorFlow लाइट डीप लर्निंग फ्रेमवर्क कई एज एआई अनुप्रयोगों की संभावनाओं को खोलता है। चूंकि एआई उत्साही लोगों के लिए ढांचा खुला स्रोत है, इसलिए सामुदायिक समर्थन इसे मशीन सीखने के उपयोग के मामलों के लिए और भी लोकप्रिय बनाता है। TensorFlow Lite का समग्र मंच एम्बेडेड और IoT उपकरणों के लिए बढ़त अनुप्रयोगों के विकास के लिए पर्यावरण को बढ़ाता है

इसके अतिरिक्त, शुरुआती लोगों के लिए फ्रेमवर्क पर व्यावहारिक उपयोग के मामलों में उनकी सहायता करने के लिए कई उदाहरण हैं। इनमें से कुछ उदाहरणों में विकास बोर्ड के इमेज सेंसर द्वारा एकत्र किए गए डेटा और सभी विकास बोर्डों के लिए मानक हैलो वर्ल्ड प्रोग्राम के आधार पर व्यक्ति का पता लगाना शामिल है। उदाहरणों में विशिष्ट विकास बोर्डों के लिए जेस्चर डिटेक्शन और स्पीच रिकग्निशन जैसे एप्लिकेशन भी शामिल हैं।

अधिक जानकारी के लिए टेंसरफ्लो लाइट तथा TensorFlow लाइट माइक्रो, आप संगठन के आधिकारिक दस्तावेज़ीकरण पृष्ठ पर जा सकते हैं। ढांचे की बेहतर समझ के लिए बहुत सारे वैचारिक और साथ ही ट्यूटोरियल अनुभाग हैं।

TensorFlow और रास्पबेरी पाई का उपयोग करके छवि पहचान के साथ आरंभ करें

छवि पहचान के साथ पकड़ना चाहते हैं? Tensorflow और एक रास्पबेरी पाई के लिए धन्यवाद, आप तुरंत शुरू कर सकते हैं।

आगे पढ़िए

लेखक के बारे में