TensorFlow Lite از مدل های TensorFlow استفاده می کند که به فرمت مدل یادگیری ماشینی کوچکتر و کارآمدتر (ML) تبدیل شده اند. می‌توانید از مدل‌های از پیش آموزش‌دیده‌شده با TensorFlow Lite استفاده کنید، مدل‌های موجود را اصلاح کنید، یا مدل‌های TensorFlow خود را بسازید و سپس آنها را به قالب TensorFlow Lite تبدیل کنید. مدل‌های TensorFlow Lite می‌توانند تقریباً هر کاری را که یک مدل معمولی TensorFlow می‌تواند انجام دهد، انجام دهد: تشخیص شی، پردازش زبان طبیعی، تشخیص الگو، و موارد دیگر با استفاده از طیف وسیعی از داده‌های ورودی از جمله تصاویر، ویدیو، صدا و متن.

برای اطلاعات در مورد اجرای مدل خود با TensorFlow Lite به بخش Convert بروید.
برای راهنمایی در مورد دریافت مدل های مورد استفاده خود، به خواندن ادامه دهید.

برای شروع استفاده از یادگیری ماشین در تلفن همراه یا دستگاه های لبه، لازم نیست یک مدل TensorFlow Lite بسازید. بسیاری از مدل‌های از قبل ساخته‌شده و بهینه‌سازی شده در دسترس شما هستند که می‌توانید فوراً در برنامه خود از آنها استفاده کنید. می توانید با استفاده از مدل های از پیش آموزش دیده در TensorFlow Lite شروع کنید و به مرور زمان به ساخت مدل های سفارشی بروید، به شرح زیر:

  1. توسعه ویژگی‌های یادگیری ماشینی را با مدل‌های آموزش دیده شروع کنید.
  2. مدل های موجود TensorFlow Lite را با استفاده از ابزارهایی مانند Model Maker تغییر دهید.
  3. یک مدل سفارشی با ابزار TensorFlow بسازید و سپس آن را به TensorFlow Lite تبدیل کنید.

اگر می‌خواهید به سرعت ویژگی‌ها یا وظایف کاربردی را با یادگیری ماشین پیاده‌سازی کنید، باید موارد استفاده پشتیبانی‌شده توسط ML Kit را قبل از شروع توسعه با TensorFlow Lite مرور کنید. این ابزار توسعه APIهایی را ارائه می دهد که می توانید مستقیماً از برنامه های تلفن همراه با آنها تماس بگیرید تا کارهای رایج ML مانند اسکن بارکد و ترجمه روی دستگاه را انجام دهید. استفاده از این روش می تواند به شما کمک کند تا سریع به نتیجه برسید. با این حال، ML Kit گزینه های محدودی برای گسترش قابلیت های خود دارد. برای اطلاعات بیشتر، به مستندات توسعه دهنده ML Kit مراجعه کنید.


اگر ساختن یک مدل سفارشی برای مورد استفاده خاص شما هدف نهایی شماست، باید با توسعه و آموزش یک مدل TensorFlow یا توسعه یک مدل موجود شروع کنید. قبل از شروع فرآیند توسعه مدل خود، باید از محدودیت های مدل های TensorFlow Lite آگاه باشید و مدل خود را با در نظر گرفتن این محدودیت ها بسازید:

  • قابلیت های محاسباتی محدود
  • سایز مدل ها
  • اندازه داده ها
  • پشتیبانی از عملیات TensorFlow

برای جزئیات بیشتر در مورد هر یک از این محدودیت ها، محدودیت های طراحی مدل را در نمای کلی ساخت مدل ببینید. برای اطلاعات بیشتر در مورد ساخت مدل‌های موثر، سازگار و با کارایی بالا برای TensorFlow Lite، به بهترین شیوه‌های عملکرد مراجعه کنید.

نحوه انتخاب یک مدل ML از پیش آموزش دیده برای استفاده با TensorFlow Lite را بیاموزید.
از TensorFlow Lite Model Maker برای تغییر مدل ها با استفاده از داده های آموزشی خود استفاده کنید.
نحوه ساخت مدل های سفارشی TensorFlow برای استفاده با TensorFlow Lite را بیاموزید.