स्पंदन के साथ एक कस्टम TensorFlow लाइट मॉडल का उपयोग करें

यदि आपका ऐप कस्टम TensorFlow Lite मॉडल का उपयोग करता है, तो आप अपने मॉडल को परिनियोजित करने के लिए Firebase ML का उपयोग कर सकते हैं। Firebase के साथ मॉडल परिनियोजित करके, आप अपने ऐप का प्रारंभिक डाउनलोड आकार कम कर सकते हैं और अपने ऐप का नया संस्करण जारी किए बिना अपने ऐप के एमएल मॉडल अपडेट कर सकते हैं। और, रिमोट कॉन्फिगरेशन और ए/बी टेस्टिंग के साथ, आप विभिन्न मॉडलों को उपयोगकर्ताओं के विभिन्न सेटों को गतिशील रूप से प्रस्तुत कर सकते हैं।

TensorFlow लाइट मॉडल

TensorFlow Lite मॉडल ML मॉडल हैं जो मोबाइल उपकरणों पर चलने के लिए अनुकूलित हैं। TensorFlow Lite मॉडल प्राप्त करने के लिए:

शुरू करने से पहले

  1. यदि आपने पहले से ऐसा नहीं किया है तो फ़्लटर के लिए फायरबेस एसडीके स्थापित करें और प्रारंभ करें

  2. अपने फ़्लटर प्रोजेक्ट की रूट डायरेक्टरी से, ML मॉडल डाउनलोडर प्लगइन स्थापित करने के लिए निम्न कमांड चलाएँ:

    flutter pub add firebase_ml_model_downloader
    
  3. अपनी परियोजना का पुनर्निर्माण करें:

    flutter run
    

1. अपना मॉडल तैनात करें

Firebase कंसोल या Firebase Admin Python और Node.js SDK का उपयोग करके अपने कस्टम TensorFlow मॉडल परिनियोजित करें। कस्टम मॉडल परिनियोजित और प्रबंधित करें देखें।

अपने Firebase प्रोजेक्ट में एक कस्टम मॉडल जोड़ने के बाद, आप अपने द्वारा निर्दिष्ट नाम का उपयोग करके अपने ऐप्स में मॉडल का संदर्भ दे सकते हैं। किसी भी समय, आप एक नया TensorFlow Lite मॉडल परिनियोजित कर सकते हैं और getModel() (नीचे देखें) पर कॉल करके उपयोगकर्ताओं के डिवाइस पर नया मॉडल डाउनलोड कर सकते हैं।

2. डिवाइस पर मॉडल डाउनलोड करें और एक TensorFlow Lite दुभाषिया को इनिशियलाइज़ करें

अपने ऐप में अपने TensorFlow Lite मॉडल का उपयोग करने के लिए, डिवाइस पर मॉडल का नवीनतम संस्करण डाउनलोड करने के लिए पहले मॉडल डाउनलोडर का उपयोग करें। फिर, मॉडल के साथ एक TensorFlow Lite दुभाषिया को इंस्टेंट करें।

मॉडल डाउनलोड शुरू करने के लिए, मॉडल डाउनलोडर की getModel() विधि को कॉल करें, यह निर्दिष्ट करते हुए कि आपने मॉडल को अपलोड करते समय निर्दिष्ट किया है, चाहे आप हमेशा नवीनतम मॉडल डाउनलोड करना चाहते हैं, और वे शर्तें जिनके तहत आप डाउनलोड करने की अनुमति देना चाहते हैं।

आप तीन डाउनलोड व्यवहारों में से चुन सकते हैं:

डाउनलोड प्रकार विवरण
localModel डिवाइस से स्थानीय मॉडल प्राप्त करें। यदि कोई स्थानीय मॉडल उपलब्ध नहीं है, तो यह latestModel मॉडल जैसा व्यवहार करता है। यदि आप मॉडल अपडेट की जांच करने में रुचि नहीं रखते हैं तो इस डाउनलोड प्रकार का उपयोग करें। उदाहरण के लिए, आप मॉडल नामों को पुनः प्राप्त करने के लिए रिमोट कॉन्फ़िगरेशन का उपयोग कर रहे हैं और आप हमेशा नए नामों के तहत मॉडल अपलोड करते हैं (अनुशंसित)।
localModelUpdateInBackground डिवाइस से स्थानीय मॉडल प्राप्त करें और मॉडल को पृष्ठभूमि में अपडेट करना प्रारंभ करें। यदि कोई स्थानीय मॉडल उपलब्ध नहीं है, तो यह latestModel मॉडल जैसा व्यवहार करता है।
latestModel नवीनतम मॉडल प्राप्त करें। यदि स्थानीय मॉडल नवीनतम संस्करण है, तो स्थानीय मॉडल लौटाता है। अन्यथा, नवीनतम मॉडल डाउनलोड करें। यह व्यवहार तब तक अवरुद्ध रहेगा जब तक कि नवीनतम संस्करण डाउनलोड नहीं हो जाता (अनुशंसित नहीं)। इस व्यवहार का उपयोग केवल उन मामलों में करें जहां आपको स्पष्ट रूप से नवीनतम संस्करण की आवश्यकता है।

जब तक आप पुष्टि नहीं कर देते कि मॉडल डाउनलोड हो गया है, तब तक आपको मॉडल-संबंधित कार्यक्षमता को अक्षम करना चाहिए—उदाहरण के लिए, अपने UI के हिस्से को ग्रे-आउट करना या छिपाना।

FirebaseModelDownloader.instance
    .getModel(
        "yourModelName",
        FirebaseModelDownloadType.localModel,
        FirebaseModelDownloadConditions(
          iosAllowsCellularAccess: true,
          iosAllowsBackgroundDownloading: false,
          androidChargingRequired: false,
          androidWifiRequired: false,
          androidDeviceIdleRequired: false,
        )
    )
    .then((customModel) {
      // Download complete. Depending on your app, you could enable the ML
      // feature, or switch from the local model to the remote model, etc.

      // The CustomModel object contains the local path of the model file,
      // which you can use to instantiate a TensorFlow Lite interpreter.
      final localModelPath = customModel.file;

      // ...
    });

कई ऐप अपने इनिशियलाइज़ेशन कोड में डाउनलोड कार्य शुरू करते हैं, लेकिन आप मॉडल का उपयोग करने से पहले किसी भी समय ऐसा कर सकते हैं।

3. इनपुट डेटा पर निष्कर्ष निकालें

अब जब आपके पास डिवाइस पर आपकी मॉडल फ़ाइल है, तो आप अनुमान लगाने के लिए इसे TensorFlow Lite दुभाषिया के साथ उपयोग कर सकते हैं। इसके लिए आपके पास कई विकल्प हैं:

परिशिष्ट: मॉडल सुरक्षा

भले ही आप अपने TensorFlow Lite मॉडल को Firebase ML के लिए कैसे उपलब्ध कराते हैं, Firebase ML उन्हें स्थानीय स्टोरेज में मानक क्रमबद्ध प्रोटोबफ प्रारूप में संग्रहीत करता है।

सिद्धांत रूप में, इसका मतलब है कि कोई भी आपके मॉडल की नकल कर सकता है। हालांकि, व्यवहार में, अधिकांश मॉडल इतने एप्लिकेशन-विशिष्ट होते हैं और अनुकूलन से भ्रमित होते हैं कि जोखिम आपके कोड को अलग करने और पुन: उपयोग करने वाले प्रतियोगियों के समान होता है। फिर भी, अपने ऐप में कस्टम मॉडल का उपयोग करने से पहले आपको इस जोखिम के बारे में पता होना चाहिए।