Tensorflow Lite 시작하기(+라즈베리파이)

tensorflow를 시작하려한다.

- 머신러닝과 딥러닝을 도와주는 라이브러리

- 머신러닝과 딥러닝을 도와주는 API

일단 TensorFlow 홈페이지에 들어가서, 나는 라즈베리파이 위에 올릴 Tensorflow 가 필요했는데, Iot 위에 올리는 TensorFlow Lite 가이드가 있어서 눌렀다. 여기서는 여러분의 시간은 중요하기 때문에 중요 개념만 넣어보았다.

https://www.tensorflow.org/lite/guide?hl=ko

TensorFlow Lite 가이드

TensorFlow Lite 가이드

TensorFlow Lite는 개발자가 휴대기기, 내장형 기기 및 IoT 기기에서 TensorFlow 모델을 실행할 수 있도록 지원하는 도구 모음입니다. 기기 내 지연 시간이 짧고 바이너리 크기가 작은 머신러닝 추론을 ��

www.tensorflow.org

TensorFlow

TensorFlow Lite는 2가지로 구성된다.

TensorFlow Lite inference

inference(유추)라는 용어의 의미는 input 데이터를 예측하기 위한 절차이다. inference를 수행하려면 반드시 interpreter를 통해 작동해야한다.

Important concepts

TensorFlow LIte inference는 다음 스텝을 따른다.

1. Loading a model

   수행 그래프를 포함한 `.tflite` 모델을 메모리로 로드해야한다.

2. Transforming data

   가공되지 않는 input 데이터와 모델에서 기대하는 input 데이터는 다르다. 예를 들면, 이미지를 모델과 호환시키려면 반드시 이미지의 크기를 바꾸던가 이미지 포맷을 해야한다.

3. Running inference

   이 단계에서는 TensorFlow Lite API를 사용하여 모델을 실행한다. 다음 단계에서 설명 하는 것과 같이 tensor를 할달하고 interpreter를 만드는 것들도 포함한다.

4. Interpreting output

   model inference로 부터 결과를 받을 때, 응용프로그램에 유용하고 의미있는 방식으로 tensor를 해석해야한다.

지원 platforms

TensorFlow inference APIs는 대부분의 일반적인 mobile과 embedded platforms에서 사용된다. 예를 들면 안드로이드, IOS, Linux 같은 다양한 프로그램 언어에서 사용가능하다.

TensorFlow Lite converter

TensorFlow Lite converter(변환기)는 TensorFlow 모델을 사용하여 TensorFlow Lite `FlatBuffer`(`.tflite`) 파일을 생성한다. The converter supports [SavedModel directories](https://www.tensorflow.org/guide/saved_model), [`tf.keras` models](https://www.tensorflow.org/guide/keras/overview), and [concrete functions](https://tensorflow.org/guide/concrete_function).

• FlatBuffer는 C ++, C #, C, Go, Java, Kotlin, JavaScript, Lobster, Lua, TypeScript, PHP, Python, Rust 및 Swift를위한 효율적인 크로스 플랫폼 직렬화 라이브러리(작은 크기와 이식성에 최적화)

쉽게 말하면 여기서 일반 TensorFlow파일을 변환해서 가볍게 만든다고 생각하면 된다.