ربما تكون قد صادفت TensorFlow Lite أثناء التنقل عبر لوحات تطوير Edge AI أو مشروعات تسريع AI.
TensorFlow Lite عبارة عن إطار عمل لحزم البرامج التي تتيح تدريب ML محليًا على الأجهزة. تسمح هذه المعالجة والحوسبة على الجهاز للمطورين بتشغيل نماذجهم على الأجهزة المستهدفة. تشتمل الأجهزة على لوحات التطوير ووحدات الأجهزة والأجهزة المدمجة وأجهزة إنترنت الأشياء.
نظرة عامة على TensorFlow Lite Framework
TensorFlow هو مصطلح شائع في التعلم العميق ، حيث يستخدم العديد من مطوري ML هذا الإطار في حالات الاستخدام المختلفة. يوفر سهولة التنفيذ نماذج التعلم الآلي واستنتاجات لتطبيقات الذكاء الاصطناعي.
لكن TensorFlow Lite هو إطار عمل تعليمي عميق للاستدلال المحلي ، وخاصة للأجهزة الحسابية المنخفضة. يسمح بالتعلم الآلي على الجهاز من خلال مساعدة المطورين في تشغيل نماذجهم على الأجهزة المتوافقة وأجهزة إنترنت الأشياء.
يحتاج المطور إلى اختيار نموذج مناسب اعتمادًا على حالة الاستخدام. يوفر إطار العمل أيضًا خيارًا لإعادة تدريب النموذج الحالي على مجموعة بيانات مخصصة أيضًا. نظرًا لأن نموذج المخزن المؤقت لبروتوكول TensorFlow يأتي بحجم كبير ويتطلب قوة حسابية متقدمة ، وبالتالي فإنه يتيح تحويل نموذج TensorFlow إلى نموذج TensorFlow Lite.
يتيح تخصيص المعلمات المثلى وقياسها تقليل حجم النموذج وزمن الوصول.
بصرف النظر عن مزايا الكمون والحجم لـ TensorFlow Lite ، يوفر إطار العمل أمان البيانات أثناء إجراء التدريب محليًا على الجهاز. بالإضافة إلى ذلك ، ليست هناك حاجة للاتصال بالإنترنت. وبالتالي ، فإن نشر التطبيقات لا يقتصر على مناطق محددة مع الاتصال.
تعمل هذه العوامل في النهاية على تقليل حمل استهلاك الطاقة على الجهاز من خلال القضاء على عامل الاتصال وزيادة كفاءة استنتاج التعلم العميق.
توجد نماذج إطار عمل TensorFlow Lite في تنسيق متعدد المنصات يُعرف باسم FlatBuffers. إنها مكتبة تسلسل تخزن البيانات الهرمية في مخزن مؤقت ثنائي مسطح بحيث يكون الوصول المباشر ممكنًا دون تفريغ. يمكنك أيضًا ملاحظة امتداد ".tflite" لطرازات TensorFlow Lite. تسمح تقنية التمثيل هذه بالتحسينات في العمليات الحسابية وتقليل متطلبات الذاكرة. وبالتالي ، فهو أفضل بكثير من نماذج TensorFlow
TinyML على TensorFlow Lite Micro
نظرًا لأن TensorFlow Lite متوافق مع العديد من الأنظمة الأساسية لتطبيقات Edge AI ، كانت الحاجة إلى مزيد من التقارب في المكتبة ضرورية. ومن ثم ، ابتكرت المنظمة مجموعة فرعية من مكتبة TensorFlow Lite ، والمعروفة باسم TensorFlow Lite Micro. يعمل TensorFlow Lite Micro بشكل خاص على تشغيل نماذج التعلم الآلي على وحدات التحكم الدقيقة محليًا مع الحد الأدنى من متطلبات الذاكرة التي تبلغ حوالي بضعة كيلوبايت.
يتكامل وقت التشغيل الأساسي للإجراء مع 16 كيلو بايت على Arm Cortex M3 ويمكن أن يعمل على طرز مختلفة. لا يتطلب إطار العمل دعمًا إضافيًا لنظام التشغيل أو مكتبات لغة أخرى عالية المستوى كتبعيات لتشغيل الاستدلال على الجهاز.
تطوير جذور TensorFlow Lite Micro إلى C ++ 11 ، والتي تحتاج إلى بنية 32 بت للتوافق. عند الحديث أكثر عن البنى ، تعمل المكتبة بشكل جيد على مجموعة قوية من المعالجات القائمة على بنية Arm Cortex-M Series للآخرين معماريات التصميم مثل ESP32.
تدفق العمل لحالات استخدام TensorFlow Lite المصغرة
تتطلب عملية تدريب الشبكة العصبية أجهزة حسابية عالية. وبالتالي ، يتم تدريبه على الجنرال نموذج TensorFlow. ومع ذلك ، فإن التدريب مطلوب فقط إذا كانت مجموعة البيانات المخصصة تناسب نموذج التعلم العميق ، في حين يمكن أيضًا استخدام النماذج المدربة مسبقًا في إطار العمل للتطبيقات.
بافتراض حالة استخدام مخصصة مع مجموعة البيانات الخاصة بالتطبيق ، يقوم المستخدم بتدريب النموذج على إطار TensorFlow العام مع قدرة معالجة عالية وبنية. بمجرد انتهاء التدريب ، يتحقق تقييم النموذج باستخدام تقنيات الاختبار من دقة النموذج وموثوقيته. علاوة على ذلك ، يتم اتباع العملية بتحويل نموذج TensorFlow إلى نموذج TensorFlow Lite المتوافق مع الأجهزة بتنسيق .tflite.
تنسيق .tflite هو ملف مخزن مؤقت مسطح شائع في إطار عمل TensorFlow Lite والأجهزة المتوافقة معه. يمكن استخدام النموذج أيضًا للتدريب على الاستدلال على بيانات الوقت الفعلي المتلقاة على النموذج. حسّن التدريب على الاستدلال النماذج لحالات الاستخدام القوية. ومن ثم ، فإن خيار التدريب على الاستدلال أمر بالغ الأهمية بالنسبة للحافة تطبيقات الذكاء الاصطناعي.
لا تدعم معظم البرامج الثابتة لوحدة التحكم الدقيقة نظام الملفات الأصلي لتضمين تنسيق المخزن المؤقت المسطح مباشرةً من طراز TensorFlow Lite. ومن ثم ، فإن تحويل ملف .tflite ضروري إلى تنسيق هيكل مصفوفة ، وهو متوافق مع ميكروكنترولر.
يعتبر تضمين البرنامج في مجموعة C متبوعًا بالتجميع العادي تقنية سهلة لمثل هذا التحويل. يعمل التنسيق الناتج كملف مصدر ويتكون من مصفوفة أحرف متوافقة مع وحدات التحكم الدقيقة.
الأجهزة التي تدعم TensorFlow Lite Micro
يعد TensorFlow Lite مناسبًا للأجهزة القوية ، ولكنه يأتي مع عيب عبء العمل الأكبر على المعالج. على الرغم من أن TensorFlow Lite Micro يحتوي على ملفات صغيرة الحجم عرضة للتلائم ، إلا أنه يتم تحسين حجم الملف يناسب الذاكرة يمكن أن يحسن بشكل كبير الإخراج للطاقة المنخفضة وأجهزة المعالجة المنخفضة مثل ميكروكنترولر.
فيما يلي قائمة بلوحات التطوير من وثائق TensorFlow الرسمية التي تدعم TensorFlow Lite Micro:
- Arduino Nano 33 BLE Sense
- SparkFun Edge
- طقم اكتشاف STM32F746
- Adafruit EdgeBadge
- Adafruit TensorFlow Lite لمجموعة أدوات التحكم الدقيقة
- ملعب حلبة Adafruit
- Espressif ESP32-DevKitC
- Espressif ESP-EYE
- محطة Wio: ATSAMD51
- هيماكس WE-I Plus EVB Endpoint AI Development Board
يتوفر TensorFlow Lite Micro أيضًا كمكتبة Arduino لدعم موسع لوحدات التحكم الدقيقة. يمكنه أيضًا إنشاء مشاريع لبيئات تطوير الأجهزة المشابهة لـ Mbed.
يقدم TensorFlow Lite الكثير
يفتح إطار عمل التعلم العميق TensorFlow Lite الإمكانيات لعدد من تطبيقات الذكاء الاصطناعي المتطورة. نظرًا لأن إطار العمل مفتوح المصدر لعشاق الذكاء الاصطناعي ، فإن دعم المجتمع يجعله أكثر شيوعًا لحالات استخدام التعلم الآلي. تعمل المنصة العامة لـ TensorFlow Lite على تحسين البيئة لنمو التطبيقات المتطورة للأجهزة المدمجة وأجهزة إنترنت الأشياء
بالإضافة إلى ذلك ، هناك العديد من الأمثلة للمبتدئين لمساعدتهم في حالات الاستخدام العملي في إطار العمل. تتضمن بعض هذه الأمثلة اكتشاف الأشخاص اعتمادًا على البيانات التي تم جمعها بواسطة مستشعر الصورة الخاص بلوحة التطوير وبرنامج hello world القياسي لجميع لوحات التطوير. تشمل الأمثلة أيضًا تطبيقات مثل اكتشاف الإيماءات والتعرف على الكلام للوحات تطوير محددة أيضًا.
لمزيد من المعلومات حول TensorFlow Lite و TensorFlow Lite Micro، يمكنك زيارة صفحة التوثيق الرسمية للمنظمة. هناك الكثير من الأقسام المفاهيمية وكذلك التعليمية لفهم إطار العمل بشكل أفضل.
هل تريد التحكم في التعرف على الصور؟ بفضل Tensorflow و Raspberry Pi ، يمكنك البدء على الفور.
اقرأ التالي
- شرح التكنولوجيا
- الذكاء الاصطناعي
- التعلم الالي
- جوجل TensorFlow
اشترك في نشرتنا الإخبارية
انضم إلى النشرة الإخبارية لدينا للحصول على نصائح تقنية ومراجعات وكتب إلكترونية مجانية وصفقات حصرية!
خطوة أخرى أيضا…!
يرجى تأكيد عنوان بريدك الإلكتروني في البريد الإلكتروني الذي أرسلناه لك للتو.