TensorFlow Lite在ML模型處理數字數據時有用嗎？

Question

我正在研究一款智能型移動恆溫器，用於在Android和Spring中優化並節省能源。 ML模型應應用於Spring Boot應用，該應用將成為與Android應用通信的服務器。

要創建ML模型，我需要提供數據集，其中應包括歷史平均外部溫度，當前外部溫度和室溫（應定期更新），建築物的傳熱系數，房間面積和容積以及室內使用的平均能量（熱量）平均房間大小的供暖季節。

因此，我想了解一下該工具（TensorFlow Lite）是否有用，特別是哪種AI方法和算法最適合該應用程序來處理數值數據並創建模型來控制爐灶何時打開和關閉。根據用戶的喜好（准確的溫度，獲得所需結果的時間，節省能源）。 如果需要，如果您能給我其他建議，我將不勝感激。

Answer 1

TensorFlow Lite特別是在Android上運行ML模型（支持有限的操作）的最佳方法。 我個人在這里使用過圖像分類。

TensorFlow Lite是TensorFlow Mobile的后繼產品，目前已不推薦使用，但仍在使用。

在您的問題中，您具有一些功能，並且標簽是二進制的（OFF表示0，ON表示1。 您可以收集一些數據並在其上訓練Keras模型。

Keras是一個開源神經網絡庫，它也是基於TensorFlow構建的，可在tf.keras模塊中使用。

您可以在他們的網站上找到這些教程。 將模型保存到。 您需要將h5文件轉換為h5文件。 tflite文件，這是我們的TensorFlow Lite模型。 看到這個文件 。

converter = tf.lite.TFLiteConverter.from_keras_model_file( keras_model_path )
tflite_buffer = converter.convert()
open( tflite_file_path , 'wb' ).write( tflite_buffer )

您可以將此模型保留在應用程序的資產文件夾中，並使用Interpreter類將其加載到Android中。 您可以看到此文件 。

您可以看到“皮膚”應用。 它使用TensorFlow Lite。 Python項目在這里 ，Android項目在這里 。

小費：

當您使用服務器一詞時，可以使用TensorFlow.js在JavaScript中創建ML模型。 您也可以在其中加載Python模型。

另外，您已將模型托管在Firebase ML Kit上 。

希望能有所幫助。