1) Если у вас нет большого количества данных, нет, ваше предположение неверно. Большинство приложений сегодня начинаются с модели, предварительно обученной в Imagenet, а затем настраивают ее в соответствии с вашим набором данных. Причина этого заключается в том, что, хотя набор данных отличается, многие функции, извлеченные из Imagenet, также полезны для нового набора данных, поэтому вы можете точно настроить его, избегая необходимости иметь огромные объемы данных (и много времени / вычислительных мощностей). ).
2) Хранилище моделей тензорного потока *1003* - это то, что нужно посмотреть. Обратите внимание, что архитектура графика и весовые коэффициенты разделены, поэтому, если вы решите начать с нуля, просто не загружайте весовые коэффициенты при начале обучения.
3) Да, tflite - это оптимизированная среда выполнения, ориентированная на мобильные устройства, график все еще обучается на рабочих столах с обычным Tensorflow, заморожен, а затем вы можете использовать файл .pb
замороженного графика в своем приложении, созданном с помощью tflite. Для получения более подробной информации о том, как сделать все это, вы должны проверить веб-сайт Tensorflow, у них есть много руководств, охватывающих каждый шаг (а подробно описать все из них здесь просто невозможно).