Экспорт модели для использования на мобильных устройствах
служба Пользовательское визуальное распознавание позволяет экспортировать классификаторы в автономный режим. Можно внедрить экспортированный классификатор в приложение и запустить его локально на устройстве, чтобы обеспечить классификацию в режиме реального времени.
Параметры экспорта
Пользовательская служба визуального распознавания поддерживает следующие варианты экспорта:
- TensorFlow для Android.
- TensorFlow.js для платформ JavaScript, таких как React, Angular и Vue. (этот вариант подходит для устройств Android и iOS);
- CoreML для iOS11;
- ONNX для Windows ML, Android и iOS;
- Vision AI Developer Kit (Пакет разработки для ИИ визуального распознавания).
- Docker-контейнер для архитектуры Windows, Linux или ARM. Контейнер содержит модель и код службы TensorFlow для использования API Пользовательского визуального распознавания.
Внимание
служба Пользовательское визуальное распознавание экспортирует только проекты с компактными доменами. Модели, созданные с помощью компактных областей, оптимизированы для ограничений классификации в режиме реального времени на мобильных устройствах. Классификаторы, созданные с помощью компактной области, могут быть точнее, чем стандартная область с таким же объемом данных для обучения.
Сведения об улучшении классификаторов см. в документе How to improve your classifier (Как улучшить классификатор).
Преобразование в компактную область
Примечание.
Инструкции в этом разделе можно применять только в том случае, если у вас есть модель, которая не была задана как компактная область.
Чтобы преобразовать область данной модели, выполните следующие действия:
На странице Пользовательского визуального распознавания щелкните на значок Домашняя страница, чтобы просмотреть список проектов.
Выберите проект, а затем щелкните значок шестеренки в правом верхнем углу страницы.
В разделе Domains (Области) выберите область compact (Компактная). Нажмите кнопку Save Changes (Сохранить изменения), чтобы сохранить изменения.
Примечание.
Чтобы воспользоваться Пакетом разработки для ИИ визуального распознавания, проект должен быть создан с помощью Общего (компактного) домена и в разделе Возможности экспорта необходимо указать Vision AI Dev Kit.
В верхней части страницы выберите Train (Обучение), чтобы повторить обучение с помощью новой области.
Экспорт модели
Чтобы экспортировать модель после повторного обучения, выполните следующие действия.
Перейдите на вкладку Performance (Производительность) и выберите Export (Экспорт).
Совет
Если элемент Export (Экспорт) недоступен, значит, выбранная итерация не использует компактную область. В разделе Iterations (Итерации) на этой странице выберите итерации, использующие компактную область, а затем выберите Export (Экспорт).
Выберите нужный вам формат экспорта, а затем выберите Export (Экспорт), чтобы скачать модель.
Следующие шаги
Интегрируйте экспортированную модель в приложение, изучив одну из следующих статей или примеров:
- Использование модели TensorFlow с Python
- Использование модели ONNX вместе с машинным обучением Windows
- См. пример для модели CoreML в приложении iOS для классификации изображений в режиме реального времени с помощью Swift.
- См. пример для модели TensorFlow в приложении Android для классификации изображений в режиме реального времени на Android.
- См. пример для модели CoreML с Xamarin для классификации изображений в реальном времени в приложении Xamarin iOS.