การเรียนรู้ของเครื่องบนอุปกรณ์ด้วย TensorFlow Lite

การรันโมเดลการเรียนรู้ของเครื่องบนอุปกรณ์มือถือและอุปกรณ์ Edge ต้องใช้เทคนิคพิเศษเพื่อให้มั่นใจถึงประสิทธิภาพสูงโดยไม่ทำให้แบตเตอรี่หมด การเปลี่ยนจากโมเดลระดับเดสก์ท็อปไปสู่ฮาร์ดแวร์ที่มีทรัพยากรจำกัดเป็นทักษะสำคัญสำหรับนักพัฒนาสมัยใหม่ ในหลักสูตรนี้ คุณจะได้เรียนรู้พื้นฐานของ TensorFlow Lite เพื่อปรับใช้ ปรับแต่ง และรันโมเดลการเรียนรู้ของเครื่องโดยตรงบนแพลตฟอร์ม iOS และ Android คุณจะเข้าใจวิธีการลดขนาดโมเดลในขณะที่ยังคงความแม่นยำ ทำให้คุณสามารถสร้างแอปพลิเคชันมือถือที่ตอบสนองและเน้นความเป็นส่วนตัวซึ่งทำงานแบบออฟไลน์ได้อย่างสมบูรณ์ สิ่งที่คุณจะได้เรียนรู้: - ทำความเข้าใจสถาปัตยกรรมหลักของ TensorFlow Lite และเวิร์กโฟลว์การเรียนรู้ของเครื่องบนอุปกรณ์ - แปลงโมเดล TensorFlow มาตรฐานให้อยู่ในรูปแบบ flatbuffer ที่ได้รับการปรับแต่ง - ใช้เทคนิคการหาปริมาณหลังการฝึกอบรม (post-training quantization) เพื่อลดขนาดโมเดลอย่างมากและเร่งความเร็วการอนุมาน - ผสานรวมโมเดลที่ได้รับการปรับแต่งเข้ากับแอปพลิเคชัน Android และ iOS โดยใช้รูปแบบ API ที่สะอาด - กำหนดค่าการมอบหมายฮาร์ดแวร์ (hardware delegation) เพื่อใช้ประโยชน์จาก GPU มือถือและหน่วยประมวลผลโครงข่ายประสาทเทียม - ใช้แนวทางปฏิบัติที่ดีที่สุดสำหรับการจัดการหน่วยความจำและการใช้พลังงานแบตเตอรี่ระหว่างการรันบนอุปกรณ์ หลักสูตรเริ่มต้นด้วยแนวคิดพื้นฐานของการประมวลผลแบบ Edge และการแปลงโมเดล จากนั้นจะแนะนำคุณตลอดการใช้งานทีละขั้นตอนสำหรับระบบปฏิบัติการมือถือหลักทั้งสอง คุณจะได้ฝึกฝนการปรับแต่งโมเดลผ่านตัวอย่างโค้ดโดยละเอียดและแบบฝึกหัดการปรับแต่งที่มีโครงสร้าง หลักสูตรนี้ออกแบบมาสำหรับนักพัฒนาซอฟต์แวร์และวิศวกรการเรียนรู้ของเครื่องที่ต้องการนำโมเดลของตนไปใช้บนอุปกรณ์มือถือ ไม่จำเป็นต้องมีประสบการณ์การพัฒนาบนมือถือหรือฮาร์ดแวร์ขั้นสูงมาก่อน เนื่องจากเราจะเริ่มต้นด้วยพื้นฐานที่สมบูรณ์ของข้อจำกัดและคำศัพท์ที่เกี่ยวข้องกับอุปกรณ์ เริ่มอ่านวันนี้เพื่อเชื่อมช่องว่างระหว่างทฤษฎีการเรียนรู้ของเครื่องและการปรับใช้บนมือถือในโลกแห่งความเป็นจริง