https://github.com/tucan9389/mnist-ml-to-mobile
https://github.com/tucan9389/mnist-ml-to-mobile
alamofire app flask grayscale ios mnist mobile server tensorflow-lite tensorflow2 tutorial vision
Last synced: 6 months ago
JSON representation
- Host: GitHub
- URL: https://github.com/tucan9389/mnist-ml-to-mobile
- Owner: tucan9389
- License: apache-2.0
- Created: 2020-07-11T09:14:02.000Z (over 5 years ago)
- Default Branch: master
- Last Pushed: 2023-05-01T21:43:39.000Z (over 2 years ago)
- Last Synced: 2025-02-14T07:26:37.823Z (8 months ago)
- Topics: alamofire, app, flask, grayscale, ios, mnist, mobile, server, tensorflow-lite, tensorflow2, tutorial, vision
- Language: Python
- Homepage:
- Size: 80.1 KB
- Stars: 1
- Watchers: 2
- Forks: 0
- Open Issues: 4
-
Metadata Files:
- Readme: README.md
- License: LICENSE
Awesome Lists containing this project
README
# Machine Learning into Mobile with MNIST
앱에서 손글씨로 숫자를 쓰면, 0~9 숫자 중 하나를 추론합니다. [MNIST 데이터셋](http://yann.lecun.com/exdb/mnist/), [TensorFlow 2](https://www.tensorflow.org), [Flask](https://flask.palletsprojects.com), [TensorFlow Lite](https://www.tensorflow.org/lite) 등을 사용하여 모델 학습부터 응용까지 가볍게 모델 추론 앱을 만들어 볼 수 있습니다.
| 온디바이스 추론 플로우 |
| :----------------------------------------------------------: |
| 
|
| 서버 추론 플로우 |
| :----------------------------------------------------------: |
| 
|
## 폴더 구조
```
~/mnist-ml-to-mobile
├── training : TF2를 사용한 딥러닝 모델 학습을 위한 예제
├── app-server : Flask를 사용한 서버 추론을 위한 앱 예제
├── app-mobile : 모바일 앱에서 온디바이스 추론 및 서버 통신 추론을 위한 앱 예제
| ├── convert : tflite 변환을 위한 예제
| ├── ios : iOS 예제 프로젝트 (https://github.com/tucan9389/MNIST-TFLiteSwift)
| └── android : 현재 미지원 (PR은 환영입니다🎉)
├── outputs : 학습된 모델, 변환된 모델이 저장되는 위치
├── LICENSE
└── README.md
```
## 동작 방법
### A. 서버 추론
1. 학습([training](training))을 통해 학습된 모델(saved_model)을 얻습니다.
2. saved_model을 서버 앱 폴더에([app-server](app-server))에 넣고, 서버를 실행합니다.
3. 모바일 앱([app-mobile](app-mobile)) 혹은 브라우저를 통해 mnist 추론 요청을 합니다.
### B. 온디바이스 추론
1. 학습([training](training))을 통해 학습된 모델(saved_model)을 얻습니다.
2. saved_model을 tflite로 변환합니다.
3. tflite 모델을 앱 프로젝트에 탑재합니다.
4. 모바일 앱([app-mobile](app-mobile))을 통해 mnist 온디바이스 추론을 합니다.
## TODO
- [x] [TF2](https://www.tensorflow.org)를 사용한 딥러닝 모델 학습 예제 추가
- [x] [Flask](https://flask.palletsprojects.com)를 사용한 딥러닝 모델 서빙 예제 추가
- [ ] [TensorFlowLiteSwift](https://www.tensorflow.org/lite/guide/ios)를 사용한 iOS 온디바이스 추론 예제 추가
- [ ] [Alamofire](https://github.com/Alamofire/Alamofire)를 사용한 iOS 서버 통신 추론 예제 추가
- [ ] 안드로이드 온디바이스 추론 예제 추가
- [ ] 안드로이드 서버 통신 추론 예제 추가