Primeiros passos
O TensorFlow Lite é um framework de aprendizado profundo com código aberto para modelos do TensorFlow no próprio dispositivo. Se você está começando no TensorFlow Lite, recomendamos usar primeiro os modelos pré-treinados e executar os apps de exemplo abaixo em um dispositivo real para ver o que o TensorFlow Lite pode fazer.Detecção de objetos
Detecte objetos em tempo real de um feed de câmera com um modelo do MobileNet.Perguntas e respostas
Responda a perguntas relacionadas a um determinado texto com um modelo do MobileBERT.Para desenvolvedores de dispositivos móveis
Se você estiver entre os desenvolvedores de dispositivos móveis que não têm muita experiência com machine learning e o TensorFlow, saiba como treinar um modelo e implantá-lo em um app para dispositivos móveis com o TensorFlow Lite Model Maker.Reconhecer flores no Android
Um tutorial de início rápido para Android. Treine um modelo de classificação de flores e implante-o em um Aplicativo para Android.Reconhecer flores no iOS
Um tutorial de início rápido para iOS. Treine um modelo de classificação de flores e implante-o em um app para iOS.Para criadores de modelos
Se você já conhece o TensorFlow e quer implantá-lo em dispositivos de borda, comece pelo tutorial abaixo para saber como converter um modelo do TensorFlow ao formato do TensorFlow Lite e otimizá-lo para inferência no dispositivo.Reconhecer dígitos escritos à mão
Este tutorial rápido e completo mostra como converter e otimizar um modelo do TensorFlow para a inferência no dispositivo e implantá-lo em um app para Android.Aprendizado por transferência para classificação de imagens
Saiba como usar o TensorFlow Lite Model Maker para criar modelos de classificação de imagens rapidamente.Para desenvolvedores de Internet das Coisas (IoT)
Se você tiver interesse em implantar um modelo do TensorFlow em dispositivos de IoT baseados em Linux, como o Raspberry Pi, faça estes tutoriais sobre como implementar tarefas de visão computacional em dispositivos de IoT.Classificação de imagens no Raspberry Pi
Execute a classificação em tempo real usando imagens transmitidas da câmera do Pi.Detecção de objetos no Raspberry Pi
Execute a detecção de objetos em tempo real usando imagens transmitidas pela câmera do Pi.
Se você tiver interesse em implantar um modelo do TensorFlow para microcontroladores com recursos muito mais restritos, comece com estes tutoriais que demonstram um fluxo de trabalho completo desde o desenvolvimento de um modelo do TensorFlow até a conversão para um formato do TensorFlow Lite e a implantação de um microcontrolador com o TensorFlow Lite Micro.
Detecção de hotwords
Treine um modelo de fala pequeno que detecte hotwords simples.Reconhecimento de gestos
Treine um modelo que reconheça diferentes gestos usando dados do acelerômetro.Próximas etapas
Depois de se familiarizar com o fluxo de trabalho de treinar um modelo do TensorFlow, convertê-lo em um formato do TensorFlow Lite e implantá-lo em apps para dispositivos móveis, saiba mais sobre o TensorFlow Lite com os materiais abaixo:
- Experimente os diferentes tutoriais de domínio (por exemplo, visão, fala) na barra de navegação à esquerda. Eles mostram como treinar um modelo para uma tarefa específica de machine learning, como detecção de objetos ou análise de sentimento.
- Saiba mais sobre o fluxo de trabalho de desenvolvimento no guia do TensorFlow Lite. Encontre informações detalhadas sobre os recursos do TensorFlow Lite, como conversão de modelos ou otimização de modelos.
- Confira este curso on-line grátis no TensorFlow Lite.
Blogs e vídeos
Inscreva-se no blog, no canal do YouTube e no Twitter do TensorFlow para ver as atualizações mais recentes.