TensorFlow Lite ایک ہلکا پھلکا حل ہے جو TensorFlow کی طرف سے موبائل اور IoT آلات پر مشین لرننگ ماڈل چلانے کے لیے فراہم کیا گیا ہے۔ جب TensorFlow Lite انٹرپریٹر ان پٹ کے طور پر موبائل ڈیوائس کیمرہ سے فریم کے ساتھ آبجیکٹ ریکگنیشن ماڈل پر کارروائی کرتا ہے، تو آؤٹ پٹ میں عموماً تصویر میں موجود اشیاء کے حوالے سے پیشین گوئیاں فراہم کرنے کے لیے کئی مراحل شامل ہوتے ہیں۔
سب سے پہلے، موبائل ڈیوائس کے کیمرے سے ان پٹ فریم کو TensorFlow Lite انٹرپریٹر میں فیڈ کیا جاتا ہے۔ مترجم پھر ان پٹ امیج کو مشین لرننگ ماڈل کے لیے موزوں فارمیٹ میں تبدیل کرکے پہلے سے پروسیس کرتا ہے۔ اس پری پروسیسنگ مرحلے میں عام طور پر ماڈل کی طرف سے متوقع ان پٹ سائز سے ملنے کے لیے تصویر کا سائز تبدیل کرنا، پکسل کی قدروں کو معمول پر لانا، اور ممکنہ طور پر ماڈل فن تعمیر کے لیے مخصوص دیگر تبدیلیوں کو لاگو کرنا شامل ہوتا ہے۔
اس کے بعد، پہلے سے تیار شدہ تصویر کو TensorFlow Lite انٹرپریٹر کے اندر آبجیکٹ ریکگنیشن ماڈل کے ذریعے منتقل کیا جاتا ہے۔ ماڈل فریم میں موجود اشیاء کے بارے میں پیشین گوئیاں پیدا کرنے کے لیے اپنے سیکھے ہوئے پیرامیٹرز اور فن تعمیر کا استعمال کرتے ہوئے تصویر پر کارروائی کرتا ہے۔ ان پیشین گوئیوں میں عام طور پر معلومات شامل ہوتی ہیں جیسے کہ دریافت شدہ اشیاء کے کلاس لیبل، تصویر میں ان کے مقامات، اور ہر پیشین گوئی سے وابستہ اعتماد کے اسکور۔
ایک بار جب ماڈل اپنی پیشین گوئیاں کر لیتا ہے، TensorFlow Lite انٹرپریٹر اس معلومات کو ایک سٹرکچرڈ فارمیٹ میں آؤٹ پٹ کرتا ہے جسے ایپلیکیشن ماڈل کو استعمال کرتے ہوئے استعمال کر سکتی ہے۔ ایپلیکیشن کی مخصوص ضروریات کے لحاظ سے یہ آؤٹ پٹ مختلف ہو سکتا ہے، لیکن عام طور پر اس میں پائے جانے والے آبجیکٹ کی کلاسیں، تصویر میں موجود اشیاء کی خاکہ نگاری کرنے والے باؤنڈنگ بکس، اور متعلقہ اعتماد کے اسکور شامل ہوتے ہیں۔
مثال کے طور پر، اگر آبجیکٹ ریکگنیشن ماڈل کو عام اشیاء جیسے کاروں، پیدل چلنے والوں اور ٹریفک کے نشانات کا پتہ لگانے کے لیے تربیت دی گئی ہے، تو TensorFlow Lite انٹرپریٹر کے آؤٹ پٹ میں "کار" جیسی پیشین گوئیاں شامل ہو سکتی ہیں جس میں باؤنڈنگ باکس کے ساتھ کار کے مقام کی وضاحت ہوتی ہے۔ تصویر اور اعتماد کا سکور جو پیشین گوئی کے بارے میں ماڈل کے یقین کو ظاہر کرتا ہے۔
موبائل ڈیوائس کیمرہ سے فریم پر کارروائی کرنے والی آبجیکٹ ریکگنیشن مشین لرننگ ماڈل کے لیے TensorFlow Lite انٹرپریٹر کے آؤٹ پٹ میں ان پٹ امیج کو پہلے سے پروسیس کرنا، اسے اندازہ کے لیے ماڈل سے گزرنا، اور ایک ساختی شکل میں تصویر میں موجود اشیاء کے بارے میں پیشین گوئیاں فراہم کرنا شامل ہے۔ درخواست کے ذریعہ مزید کارروائی کے لئے موزوں ہے۔
سے متعلق دیگر حالیہ سوالات اور جوابات EITC/AI/TFF ٹینسرفلو بنیادی اصول:
- ویکٹر کے بطور الفاظ کی نمائندگی کے پلاٹ کے لیے خود بخود مناسب محور تفویض کرنے کے لیے کوئی سرایت کرنے والی پرت کا استعمال کیسے کر سکتا ہے؟
- CNN میں زیادہ سے زیادہ پولنگ کا مقصد کیا ہے؟
- تصویر کی شناخت کے لیے کنوولوشنل نیورل نیٹ ورک (CNN) میں فیچر نکالنے کا عمل کیسے لاگو ہوتا ہے؟
- کیا TensorFlow.js میں چلنے والے مشین لرننگ ماڈلز کے لیے غیر مطابقت پذیر لرننگ فنکشن استعمال کرنا ضروری ہے؟
- TensorFlow Keras Tokenizer API زیادہ سے زیادہ الفاظ کا پیرامیٹر کیا ہے؟
- کیا TensorFlow Keras Tokenizer API کو اکثر الفاظ تلاش کرنے کے لیے استعمال کیا جا سکتا ہے؟
- TOCO کیا ہے؟
- مشین لرننگ ماڈل میں کئی عہدوں اور ماڈل کو چلانے سے پیشین گوئی کی درستگی کے درمیان کیا تعلق ہے؟
- کیا نیورل سٹرکچرڈ لرننگ آف ٹینسر فلو میں پیک پڑوسی API قدرتی گراف ڈیٹا پر مبنی ایک بڑھا ہوا تربیتی ڈیٹاسیٹ تیار کرتا ہے؟
- نیورل سٹرکچرڈ لرننگ آف ٹینسر فلو میں پیک پڑوسی API کیا ہے؟
مزید سوالات اور جوابات EITC/AI/TFF TensorFlow Fundamentals میں دیکھیں