machine-learning - 机器学习模型如何加载到应用程序中？

Question

关闭。这个问题需要多问 focused 。目前不接受答案。

---

想要改进此问题吗？更新问题，使其仅关注一个问题 editing this post .

已关闭 5 年前。

Improve this question

我刚刚进入机器学习领域，一直在研究 TensorFlow。假设我正在构建一个使用 TensorFlow 和经过训练的模型的桌面应用程序。我不明白您最终将如何捆绑该应用程序。您是否会以某种方式保存经过训练的模型的状态并将其包含在应用程序中，或者所有用户在首次启动应用程序时都必须自己重新训练模型？

Answer 1

HBO 有一篇关于此的精彩文章:How HBO’s Silicon Valley built “Not Hotdog” with mobile TensorFlow, Keras & React Native 。不过，它对细节进行了相当深入的研究。

机器学习模型(如神经网络)由其结构及其参数/权重定义。该结构是由您硬编码的，权重是在训练中学习的。如果两者都有，您可以在任何地方重新创建模型并运行您的预测或您正在做的任何事情。

我们将用户将运行的应用称为“客户端”。不，客户不必重新学习模型，除非您特别希望他们这样做。训练是一个昂贵的过程，需要大量的数据集、内存和处理能力。您在实际中看到的许多很酷的模型(例如 FaceApp 或其他应用程序上使用的模型)可能需要在大型集群上进行数周的训练才能完成。更不用说他们的数据集的大小可能有很多很多千兆字节。

对于许多深度学习模型来说，即使是学习到的权重本身也可能太大，和/或进行一次前向传递所需的处理能力对于手机或笔记本电脑来说也太大了，无法处理。这就是为什么许多机器学习应用程序实际上并不随其应用程序附带模型，而是让模型在服务器上运行。然后，客户端只需发送输入并在几秒钟后接收输出。这样您就可以省去一些麻烦，但会失去离线功能并支付大量托管费用。

因此，让我们暂时忘记托管模型，并假设您有一个想要与应用程序一起发布的小型轻量级模型。最简单的方法是将权重存储在文件中，然后将其打包到您的应用程序中。当然，有许多库和工具可以帮助您。有关 TF 示例，请查看 TensorFlow 移动版:https://www.tensorflow.org/mobile/ .