TensorFlow Lite ਮੋਬਾਈਲ ਅਤੇ IoT ਡਿਵਾਈਸਾਂ 'ਤੇ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਮਾਡਲਾਂ ਨੂੰ ਚਲਾਉਣ ਲਈ TensorFlow ਦੁਆਰਾ ਪ੍ਰਦਾਨ ਕੀਤਾ ਗਿਆ ਇੱਕ ਹਲਕਾ ਹੱਲ ਹੈ। ਜਦੋਂ TensorFlow Lite ਦੁਭਾਸ਼ੀਏ ਇੱਕ ਮੋਬਾਈਲ ਡਿਵਾਈਸ ਕੈਮਰੇ ਤੋਂ ਇੱਕ ਫਰੇਮ ਦੇ ਨਾਲ ਇੱਕ ਆਬਜੈਕਟ ਮਾਨਤਾ ਮਾਡਲ ਨੂੰ ਇਨਪੁਟ ਦੇ ਤੌਰ 'ਤੇ ਪ੍ਰੋਸੈਸ ਕਰਦਾ ਹੈ, ਤਾਂ ਆਉਟਪੁੱਟ ਵਿੱਚ ਖਾਸ ਤੌਰ 'ਤੇ ਚਿੱਤਰ ਵਿੱਚ ਮੌਜੂਦ ਵਸਤੂਆਂ ਦੇ ਸੰਬੰਧ ਵਿੱਚ ਭਵਿੱਖਬਾਣੀਆਂ ਪ੍ਰਦਾਨ ਕਰਨ ਲਈ ਕਈ ਪੜਾਅ ਸ਼ਾਮਲ ਹੁੰਦੇ ਹਨ।
ਸਭ ਤੋਂ ਪਹਿਲਾਂ, ਮੋਬਾਈਲ ਡਿਵਾਈਸ ਕੈਮਰੇ ਤੋਂ ਇਨਪੁਟ ਫਰੇਮ ਨੂੰ ਟੈਂਸਰਫਲੋ ਲਾਈਟ ਇੰਟਰਪ੍ਰੇਟਰ ਵਿੱਚ ਫੀਡ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ਦੁਭਾਸ਼ੀਏ ਫਿਰ ਇੰਪੁੱਟ ਚਿੱਤਰ ਨੂੰ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਮਾਡਲ ਲਈ ਢੁਕਵੇਂ ਫਾਰਮੈਟ ਵਿੱਚ ਬਦਲ ਕੇ ਪ੍ਰੀ-ਪ੍ਰੋਸੈਸ ਕਰਦਾ ਹੈ। ਇਸ ਪ੍ਰੀ-ਪ੍ਰੋਸੈਸਿੰਗ ਪਗ ਵਿੱਚ ਆਮ ਤੌਰ 'ਤੇ ਮਾਡਲ ਦੁਆਰਾ ਉਮੀਦ ਕੀਤੇ ਗਏ ਇੰਪੁੱਟ ਆਕਾਰ ਨਾਲ ਮੇਲ ਕਰਨ ਲਈ ਚਿੱਤਰ ਨੂੰ ਮੁੜ ਆਕਾਰ ਦੇਣਾ, ਪਿਕਸਲ ਮੁੱਲਾਂ ਨੂੰ ਆਮ ਬਣਾਉਣਾ, ਅਤੇ ਮਾਡਲ ਆਰਕੀਟੈਕਚਰ ਲਈ ਵਿਸ਼ੇਸ਼ ਤੌਰ 'ਤੇ ਹੋਰ ਤਬਦੀਲੀਆਂ ਨੂੰ ਲਾਗੂ ਕਰਨਾ ਸ਼ਾਮਲ ਹੁੰਦਾ ਹੈ।
ਅੱਗੇ, ਪ੍ਰੀਪ੍ਰੋਸੈੱਸਡ ਚਿੱਤਰ ਨੂੰ ਟੈਂਸਰਫਲੋ ਲਾਈਟ ਇੰਟਰਪ੍ਰੇਟਰ ਦੇ ਅੰਦਰ ਆਬਜੈਕਟ ਪਛਾਣ ਮਾਡਲ ਰਾਹੀਂ ਪਾਸ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ਮਾਡਲ ਫਰੇਮ ਵਿੱਚ ਮੌਜੂਦ ਵਸਤੂਆਂ ਬਾਰੇ ਪੂਰਵ-ਅਨੁਮਾਨ ਤਿਆਰ ਕਰਨ ਲਈ ਇਸਦੇ ਸਿੱਖੇ ਹੋਏ ਮਾਪਦੰਡਾਂ ਅਤੇ ਆਰਕੀਟੈਕਚਰ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਚਿੱਤਰ ਦੀ ਪ੍ਰਕਿਰਿਆ ਕਰਦਾ ਹੈ। ਇਹਨਾਂ ਪੂਰਵ-ਅਨੁਮਾਨਾਂ ਵਿੱਚ ਆਮ ਤੌਰ 'ਤੇ ਜਾਣਕਾਰੀ ਸ਼ਾਮਲ ਹੁੰਦੀ ਹੈ ਜਿਵੇਂ ਕਿ ਖੋਜੀਆਂ ਗਈਆਂ ਵਸਤੂਆਂ ਦੇ ਕਲਾਸ ਲੇਬਲ, ਚਿੱਤਰ ਵਿੱਚ ਉਹਨਾਂ ਦੇ ਸਥਾਨ, ਅਤੇ ਹਰੇਕ ਪੂਰਵ-ਅਨੁਮਾਨ ਨਾਲ ਜੁੜੇ ਭਰੋਸੇ ਦੇ ਸਕੋਰ।
ਇੱਕ ਵਾਰ ਜਦੋਂ ਮਾਡਲ ਆਪਣੀ ਭਵਿੱਖਬਾਣੀ ਕਰ ਲੈਂਦਾ ਹੈ, ਤਾਂ ਟੈਨਸਰਫਲੋ ਲਾਈਟ ਦੁਭਾਸ਼ੀਏ ਇਸ ਜਾਣਕਾਰੀ ਨੂੰ ਇੱਕ ਢਾਂਚਾਗਤ ਫਾਰਮੈਟ ਵਿੱਚ ਆਊਟਪੁੱਟ ਕਰਦਾ ਹੈ ਜੋ ਮਾਡਲ ਦੀ ਵਰਤੋਂ ਕਰਨ ਵਾਲੀ ਐਪਲੀਕੇਸ਼ਨ ਦੁਆਰਾ ਵਰਤੀ ਜਾ ਸਕਦੀ ਹੈ। ਇਹ ਆਉਟਪੁੱਟ ਐਪਲੀਕੇਸ਼ਨ ਦੀਆਂ ਖਾਸ ਲੋੜਾਂ ਦੇ ਆਧਾਰ 'ਤੇ ਵੱਖ-ਵੱਖ ਹੋ ਸਕਦੀ ਹੈ, ਪਰ ਆਮ ਤੌਰ 'ਤੇ ਖੋਜੀਆਂ ਗਈਆਂ ਆਬਜੈਕਟ ਕਲਾਸਾਂ, ਚਿੱਤਰ ਵਿੱਚ ਆਬਜੈਕਟ ਦੀ ਰੂਪਰੇਖਾ ਦੇਣ ਵਾਲੇ ਬਾਉਂਡਿੰਗ ਬਾਕਸ, ਅਤੇ ਸੰਬੰਧਿਤ ਵਿਸ਼ਵਾਸ ਸਕੋਰ ਸ਼ਾਮਲ ਹੁੰਦੇ ਹਨ।
ਉਦਾਹਰਨ ਲਈ, ਜੇਕਰ ਆਬਜੈਕਟ ਪਛਾਣ ਮਾਡਲ ਨੂੰ ਕਾਰਾਂ, ਪੈਦਲ ਯਾਤਰੀਆਂ ਅਤੇ ਟ੍ਰੈਫਿਕ ਚਿੰਨ੍ਹਾਂ ਵਰਗੀਆਂ ਆਮ ਵਸਤੂਆਂ ਦਾ ਪਤਾ ਲਗਾਉਣ ਲਈ ਸਿਖਲਾਈ ਦਿੱਤੀ ਜਾਂਦੀ ਹੈ, ਤਾਂ ਟੈਨਸਰਫਲੋ ਲਾਈਟ ਦੁਭਾਸ਼ੀਏ ਤੋਂ ਆਉਟਪੁੱਟ ਵਿੱਚ ਪੂਰਵ-ਅਨੁਮਾਨ ਸ਼ਾਮਲ ਹੋ ਸਕਦੇ ਹਨ ਜਿਵੇਂ ਕਿ "ਕਾਰ" ਵਿੱਚ ਕਾਰ ਦੀ ਸਥਿਤੀ ਨੂੰ ਦਰਸਾਉਂਦੇ ਹੋਏ ਇੱਕ ਬਾਉਂਡਿੰਗ ਬਾਕਸ ਦੇ ਨਾਲ। ਚਿੱਤਰ ਅਤੇ ਪੂਰਵ-ਅਨੁਮਾਨ ਬਾਰੇ ਮਾਡਲ ਦੀ ਨਿਸ਼ਚਤਤਾ ਨੂੰ ਦਰਸਾਉਂਦਾ ਇੱਕ ਭਰੋਸੇ ਦਾ ਸਕੋਰ।
ਇੱਕ ਮੋਬਾਈਲ ਡਿਵਾਈਸ ਕੈਮਰੇ ਤੋਂ ਇੱਕ ਫਰੇਮ ਨੂੰ ਪ੍ਰੋਸੈਸ ਕਰਨ ਵਾਲੇ ਇੱਕ ਆਬਜੈਕਟ ਪਛਾਣ ਮਸ਼ੀਨ ਸਿਖਲਾਈ ਮਾਡਲ ਲਈ ਟੈਂਸਰਫਲੋ ਲਾਈਟ ਦੁਭਾਸ਼ੀਏ ਦੇ ਆਉਟਪੁੱਟ ਵਿੱਚ ਇਨਪੁਟ ਚਿੱਤਰ ਨੂੰ ਪ੍ਰੀ-ਪ੍ਰੋਸੈਸ ਕਰਨਾ, ਅਨੁਮਾਨ ਲਈ ਮਾਡਲ ਵਿੱਚੋਂ ਲੰਘਣਾ, ਅਤੇ ਇੱਕ ਢਾਂਚਾਗਤ ਫਾਰਮੈਟ ਵਿੱਚ ਚਿੱਤਰ ਵਿੱਚ ਮੌਜੂਦ ਵਸਤੂਆਂ ਬਾਰੇ ਪੂਰਵ-ਅਨੁਮਾਨ ਪ੍ਰਦਾਨ ਕਰਨਾ ਸ਼ਾਮਲ ਹੈ। ਐਪਲੀਕੇਸ਼ਨ ਦੁਆਰਾ ਅੱਗੇ ਦੀ ਪ੍ਰਕਿਰਿਆ ਲਈ ਢੁਕਵਾਂ.
ਬਾਰੇ ਹੋਰ ਹਾਲੀਆ ਸਵਾਲ ਅਤੇ ਜਵਾਬ ਈਆਈਟੀਸੀ/ਏਆਈ/ਟੀਐਫਐਫ ਟੈਂਸਰਫਲੋ ਫੰਡਮੈਂਟਲ:
- ਵੈਕਟਰਾਂ ਦੇ ਰੂਪ ਵਿੱਚ ਸ਼ਬਦਾਂ ਦੀ ਨੁਮਾਇੰਦਗੀ ਦੇ ਪਲਾਟ ਲਈ ਆਪਣੇ ਆਪ ਹੀ ਸਹੀ ਧੁਰੇ ਨਿਰਧਾਰਤ ਕਰਨ ਲਈ ਇੱਕ ਏਮਬੈਡਿੰਗ ਲੇਅਰ ਦੀ ਵਰਤੋਂ ਕਿਵੇਂ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ?
- ਇੱਕ CNN ਵਿੱਚ ਵੱਧ ਤੋਂ ਵੱਧ ਪੂਲਿੰਗ ਦਾ ਉਦੇਸ਼ ਕੀ ਹੈ?
- ਇੱਕ ਕਨਵੋਲਿਊਸ਼ਨਲ ਨਿਊਰਲ ਨੈੱਟਵਰਕ (CNN) ਵਿੱਚ ਵਿਸ਼ੇਸ਼ਤਾ ਕੱਢਣ ਦੀ ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਚਿੱਤਰ ਮਾਨਤਾ ਲਈ ਕਿਵੇਂ ਲਾਗੂ ਕੀਤਾ ਜਾਂਦਾ ਹੈ?
- ਕੀ TensorFlow.js ਵਿੱਚ ਚੱਲ ਰਹੇ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਮਾਡਲਾਂ ਲਈ ਅਸਿੰਕ੍ਰੋਨਸ ਲਰਨਿੰਗ ਫੰਕਸ਼ਨ ਦੀ ਵਰਤੋਂ ਕਰਨਾ ਜ਼ਰੂਰੀ ਹੈ?
- TensorFlow Keras Tokenizer API ਅਧਿਕਤਮ ਸ਼ਬਦਾਂ ਦੇ ਪੈਰਾਮੀਟਰ ਕੀ ਹੈ?
- ਕੀ TensorFlow Keras Tokenizer API ਦੀ ਵਰਤੋਂ ਸਭ ਤੋਂ ਵੱਧ ਵਾਰ-ਵਾਰ ਸ਼ਬਦਾਂ ਨੂੰ ਲੱਭਣ ਲਈ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ?
- TOCO ਕੀ ਹੈ?
- ਇੱਕ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਮਾਡਲ ਵਿੱਚ ਕਈ ਯੁੱਗਾਂ ਅਤੇ ਮਾਡਲ ਨੂੰ ਚਲਾਉਣ ਤੋਂ ਭਵਿੱਖਬਾਣੀ ਦੀ ਸ਼ੁੱਧਤਾ ਵਿਚਕਾਰ ਕੀ ਸਬੰਧ ਹੈ?
- ਕੀ ਟੈਂਸਰਫਲੋ ਦੇ ਨਿਊਰਲ ਸਟ੍ਰਕਚਰਡ ਲਰਨਿੰਗ ਵਿੱਚ ਪੈਕ ਨੇਵਰਸ API ਕੁਦਰਤੀ ਗ੍ਰਾਫ ਡੇਟਾ ਦੇ ਅਧਾਰ ਤੇ ਇੱਕ ਵਧਿਆ ਹੋਇਆ ਸਿਖਲਾਈ ਡੇਟਾਸੈਟ ਤਿਆਰ ਕਰਦਾ ਹੈ?
- ਟੈਨਸਰਫਲੋ ਦੇ ਨਿਊਰਲ ਸਟ੍ਰਕਚਰਡ ਲਰਨਿੰਗ ਵਿੱਚ ਪੈਕ ਨੇਵਰਸ API ਕੀ ਹੈ?
EITC/AI/TFF TensorFlow Fundamentals ਵਿੱਚ ਹੋਰ ਸਵਾਲ ਅਤੇ ਜਵਾਬ ਦੇਖੋ
ਹੋਰ ਸਵਾਲ ਅਤੇ ਜਵਾਬ:
- ਫੀਲਡ: ਬਣਾਵਟੀ ਗਿਆਨ
- ਪ੍ਰੋਗਰਾਮ ਨੂੰ: ਈਆਈਟੀਸੀ/ਏਆਈ/ਟੀਐਫਐਫ ਟੈਂਸਰਫਲੋ ਫੰਡਮੈਂਟਲ (ਸਰਟੀਫਿਕੇਸ਼ਨ ਪ੍ਰੋਗਰਾਮ 'ਤੇ ਜਾਓ)
- ਪਾਠ: ਪ੍ਰੋਗਰਾਮਿੰਗ ਟੈਨਸਰਫਲੋ (ਸੰਬੰਧਿਤ ਪਾਠ 'ਤੇ ਜਾਓ)
- ਵਿਸ਼ਾ: ਟੈਂਸਰਫਲੋ ਲਾਈਟ ਪੇਸ਼ ਕਰ ਰਿਹਾ ਹੈ (ਸਬੰਧਤ ਵਿਸ਼ੇ 'ਤੇ ਜਾਓ)