用元数据来推断模型可以简单到只需几行代码。TensorFlow Lite 元数据包含了有关模型功能以及使用方法的丰富描述。它可以授权代码生成器自动生成推断代码，例如使用 Android Studio 机器学习绑定功能或 TensorFlow Lite Android 代码生成器。它还可以用来配置自定义推断流水线。
工具和库
TensorFlow Lite 提供了多种工具和库来满足不同层次的部署要求，如下所示：
使用 Android 代码生成器生成模型接口
有两种方式可以为带有元数据的 TensorFlow Lite 模型自动生成必要的 Android 封装容器代码：
Android Studio 中的 Android Studio 机器学习模型绑定工具可通过图形界面导入 TensorFlow Lite 模型。Android Studio 将自动为项目配置设置，并根据模型元数据生成封装容器类。
TensorFlow Lite Code Generator 是一个根据元数据自动生成模型接口的可执行文件。目前它支持 Android 与 Java。封装容器代码消除了直接与
ByteBuffer交互的需要。相反，开发人员可以使用Bitmap和Rect等类型化对象与 TensorFlow Lite 模型进行交互。Android Studio 用户也可以通过 Android Studio 机器学习绑定来访问 codegen 功能。
利用 TensorFlow Lite Task Library 中的开箱即用的 API
TensorFlow Lite Task Library 为热门的机器学习任务（如图像分类、问答等）提供了经过优化的现成的模型接口。模型接口专为每个任务而设计，以实现最佳性能和可用性。Task Library 可跨平台工作，支持 Java、C++ 和 Swift。
使用 TensorFlow Lite Support Library 构建自定义推断流水线
TensorFlow Lite Support Library 是一个跨平台的库，可帮助自定义模型接口和构建推断流水线。它包含各种实用工具方法和数据结构，以执行前/后处理和数据转换。它还设计为与 TF.Image 和 TF.Text 等 TensorFlow 模块的行为相匹配，确保了从训练到推断的一致性。
探索带有元数据的预训练模型
浏览 TensorFlow Lite 托管模型和 TensorFlow Hub，下载带有元数据的预训练模型，用于视觉和文本任务。另请参阅可视化元数据的不同选项。
TensorFlow Lite Support GitHub 仓库
请访问 TensorFlow Lite Support GitHub 仓库获取更多示例和源代码，并通过创建新的 GitHub 议题让我们了解您的反馈。