在移动设备上无需更新应用即可更新TensorFlow Lite模型?

是否可以在已部署的移动应用上更新或替换现有的TensorFlow Lite模型?

我的需求是:

  • 部署一个带有默认模型的应用
  • 一旦收集到大量新数据并上传后,在服务器上重新训练模型,然后通过服务器更新TF模型

而无需更新整个应用。

实现这一目标的当前最佳实践是什么?有什么需要注意的地方吗?


回答:

如果您只希望更新模型而不更新整个应用,那么您可以使用Firebase MLKit来分发.tflite模型。

  • 一旦您在控制台中更新模型,应用就会立即下载新模型。

  • 您可以实现多种这样的模型。

有关部署模型,请访问此文档

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注