इस पेज का अनुवाद Cloud Translation API से किया गया है.
Switch to English
TensorFlow Lite डिवाइस पर TensorFlow मॉडल चलाने के लिए एक ओपन-सोर्स डीप लर्निंग फ्रेमवर्क है। यदि आप TensorFlow Lite में नए हैं, तो हम अनुशंसा करते हैं कि आप पहले पूर्व-प्रशिक्षित मॉडल देखें और TensorFlow Lite क्या कर सकते हैं, यह देखने के लिए एक वास्तविक डिवाइस पर नीचे दिए गए उदाहरण एप्लिकेशन चलाएं।
मोबाइलनेट मॉडल के साथ कैमरा फीड से वास्तविक समय में वस्तुओं का पता लगाएं।
MobileBERT मॉडल के साथ दिए गए पाठ से संबंधित किसी भी प्रश्न का उत्तर दें।
यदि आप मशीन सीखने और TensorFlow के साथ बहुत अनुभव के बिना एक मोबाइल डेवलपर हैं, तो आप TensorFlow Lite मॉडल निर्माता के साथ एक मॉडल को प्रशिक्षित करने और मोबाइल ऐप पर तैनात करने का तरीका सीखकर शुरू कर सकते हैं।
Android के लिए एक त्वरित शुरुआत ट्यूटोरियल। एक फूल वर्गीकरण मॉडल को प्रशिक्षित करें और इसे एंड्रॉइड एप्लिकेशन पर तैनात करें।
आईओएस के लिए एक त्वरित शुरुआत ट्यूटोरियल। एक फूल वर्गीकरण मॉडल को प्रशिक्षित करें और इसे एक आईओएस एप्लिकेशन में तैनात करें।
यदि आप पहले से ही TensorFlow से परिचित हैं और एज डिवाइसों को तैनात करने में रुचि रखते हैं, तो आप TensorFlow मॉडल को TensorFlow Lite प्रारूप में परिवर्तित करने और इसे ऑन-डिवाइस इंट्रेंस के लिए ऑप्टिमाइज़ करने का तरीका जानने के लिए नीचे दिए गए ट्यूटोरियल से शुरू कर सकते हैं।
ऑन-डिवाइस इंट्रेंस के लिए एक TensorFlow मॉडल को परिवर्तित करने और अनुकूलित करने पर एक त्वरित शुरुआत अंत-से-अंत ट्यूटोरियल, फिर इसे एंड्रॉइड ऐप पर तैनात करें।
छवि वर्गीकरण मॉडल जल्दी से बनाने के लिए TensorFlow Lite मॉडल निर्माता का उपयोग करना सीखें।
यदि आप रास्पबेरी पाई जैसे लिनक्स-आधारित IoT उपकरणों के लिए एक TensorFlow मॉडल को तैनात करने में रुचि रखते हैं, तो आप IoT उपकरणों पर कंप्यूटर विज़न कार्यों को कैसे कार्यान्वित करें, इन ट्यूटोरियल को आज़मा सकते हैं।
पाई कैमरा से स्ट्रीम की गई छवियों का उपयोग करके वास्तविक समय छवि वर्गीकरण करें।
पाई कैमरा से स्ट्रीम की गई छवियों का उपयोग करके वास्तविक समय ऑब्जेक्ट का पता लगाना।
यदि आप माइक्रोकंट्रोलर को एक TensorFlow मॉडल को तैनात करने में रुचि रखते हैं जो बहुत अधिक संसाधन विवश हैं, तो आप इन ट्यूटोरियल से शुरू कर सकते हैं जो TensorFlow Lite प्रारूप में परिवर्तित करने के लिए TensorFlow मॉडल विकसित करने से एंड-टू-एंड वर्कफ़्लो प्रदर्शित करते हैं और एक परिनियोजित करते हैं TensorFlow Lite माइक्रो के साथ माइक्रोकंट्रोलर।
एक छोटे भाषण मॉडल को प्रशिक्षित करें जो सरल हॉटवर्ड का पता लगा सके।
एक मॉडल को प्रशिक्षित करें जो एक्सेलेरोमीटर डेटा का उपयोग करके विभिन्न इशारों को पहचान सकता है।

After you have familiarized yourself with the workflow of training a TensorFlow model, converting it to a TensorFlow Lite format, and deploying it to mobile apps, you can learn more about TensorFlow Lite with the below materials:

  • Try out the different domain tutorials (e.g. vision, speech) from the left navigation bar. They show you how to train a model for a specific machine learning task, such as object detection or sentiment analysis.
  • Learn more about the development workflow in the TensorFlow Lite Guide. You can find in-depth information about TensorFlow Lite features, such as model conversion or model optimization.
  • Check out this free e-learning course on TensorFlow Lite.

नवीनतम अपडेट के लिए TensorFlow ब्लॉग , YouTube चैनल और ट्विटर की सदस्यता लें।