تصدير نموذجك للاستخدام مع الأجهزة المحمولة
تتيح لك Custom Vision Service تصدير المصنفات الخاصة بك للتشغيل دون اتصال. يمكنك تضمين المصنف الذي تم تصديره في تطبيق وتشغيله محليًا على جهاز للتصنيف في الوقت الفعلي.
خيارات التصدير
تدعم Custom Vision Service عمليات التصدير التالية:
- TensorFlow لنظام التشغيل Android.
- TensorFlow.js لأطر عمل JavaScript مثل React Angular و Vue. هذا سيتم تشغيله على كل من أجهزة Android و iOS.
- CoreML لـ iOS11.
- ONNX لـ Windows Machine Learning وAndroid وiOS.
- مجموعة Vision AI Developer.
- حاوية Docker لبنية Windows أو Linux أو ARM. الحاوية تتضمن نموذج TensorFlow ورمز الخدمة لاستخدام واجهة برمجة تطبيقات Custom Vision.
هام
تصدر Custom Vision Service المشاريع ذات المجالات المضغوطة فقط. النماذج التي تم إنشاؤها بواسطة المجالات المضغوطة تم تحسينها لقيود التصنيف في الوقت الحقيقي على الأجهزة المحمولة. المصنفات التي تم إنشاؤها باستخدام مجال مضغوط قد تكون أقل دقة قليلاً من المجال القياسي بنفس كمية بيانات التدريب.
للحصول على معلومات حول تحسين المصنفات، راجع مستند تحسين المصنف.
التحويل إلى مجال مضغوط
إشعار
لا تنطبق الخطوات الواردة في هذا القسم إلا إذا كان لديك نموذج موجود لم يتم تعيينه إلى مجال مضغوط.
لتحويل مجال نموذج موجود، اتبع الخطوات التالية:
في موقع ويب Custom vision، حدد الرمز Home لعرض قائمة مشاريعك.
حدد مشروعًا، ثم حدد رمز الترس في أعلى يمين الصفحة.
في قسم Domains، حدد أحد المجالات المضغوطة. حدد Save Changes، لحفظ التغييرات.
إشعار
بالنسبة إلى مجموعة Vision AI Dev، يجب إنشاء المشروع باستخدام المجال General (Compact)، ويجب تحديد خيار Vision AI Dev Kit ضمن قسم Export Capabilities.
من أعلى الصفحة، حدد Train لإعادة التدريب باستخدام المجال الجديد.
تصدير النموذج الخاص بك
لتصدير النموذج بعد إعادة التدريب، استخدم الخطوات التالية:
انتقل إلى علامة التبويب Performance، وحدد Export.
تلميح
إذا لم يكن الإدخال Export متوفرًا، فلن يستخدم التكرار المحدد مجالاً مضغوطًا. استخدم قسم Iterations في هذه الصفحة لتحديد تكرار يستخدم مجالا مضغوطا، ثم حدد Export.
حدد تنسيق التصدير المطلوب، ثم حدد Export لتنزيل النموذج.
الخطوات التالية
قم بدمج النموذج الذي تم تصديره في تطبيق عن طريق استكشاف إحدى المقالات أو العينات التالية:
- استخدام نموذج Tensorflow مع Python
- استخدام نموذج ONNX مع Windows Machine Learning
- راجع عينة نموذج CoreML في تطبيق iOS لتصنيف الصور في الوقت الحقيقي باستخدام Swift.
- راجع عينة نموذج TensorFlow في تطبيق Android لتصنيف الصور في الوقت الحقيقي على Android.
- راجع عينة نموذج CoreML مع Xamarin لتصنيف الصور في الوقت الحقيقي في تطبيق Xamarin iOS.