Announcing the TensorFlow Dev Summit 2020 Learn more

在移动设备和 IoT 设备上部署机器学习模型

TensorFlow Lite 是一种用于设备端推断的开源深度学习框架。

查看指南

指南介绍了 TensorFlow Lite 的概念和组件。

查看示例

探索使用 TensorFlow Lite 的 Android 和 iOS 应用。

查看模型

轻松地部署预训练模型。

工作原理

选择模型

选择新模型或重新训练现有模型。

转换

使用 TensorFlow Lite Converter 将 TensorFlow 模型转换为压缩的 FlatBuffer 文件。

部署

获取压缩的 .tflite 文件,并将其加载到移动设备或嵌入式设备中。

优化

通过将 32 位浮点数转换为更高效的 8 位整数进行量化,或者在 GPU 上运行。

常见问题的解决方案

探索帮助解决常见移动和边缘用例的优化模型。

图像分类

识别数百个对象,包括人、活动、动物、植物和地点。

对象检测

使用边界框检测多个对象。是的,包括狗和猫。

智能回复

生成回复建议以输入对话聊天消息。

新闻和通告

了解有益于您推进工作的各种最新动态,并订阅我们的 TensorFlow 每月简报,直接在您的邮箱中收到最新公告。

2019 年 6 月 11 日 
TensorFlow 整数量化

整数量化是 TensorFlow 模型优化工具包的一项新增功能。这种技术通常可以用来降低模型权重和激活函数的数值精度,以减少内存消耗并缩短延迟。

2019 年 5 月 14 日 
TensorFlow Pruning API

权重剪枝是 TensorFlow 模型优化工具包的一项新增功能,旨在通过移除神经网络层之间的连接(即参数)来减少计算中涉及的参数和操作的数量。

2019 年 5 月 8 日 
2019 年 Google I/O 大会上的 TensorFlow Lite

在本视频中,您将了解如何使用 TensorFlow Lite 在任何设备中运用 AI 技术,并了解设备端机器学习的未来和我们的规划蓝图。您还将了解一个预训练模型库,您可以在自己的应用中使用这些模型或根据需要自定义这些模型。

2019 年 1 月 16 日 
TensorFlow Lite 在移动平台 GPU 上的速度得到了提升(开发者预览版功能)

在 Pixel 3 GPU 上运行推断最多可使推断速度提升约 4 倍。