Ta strona została przetłumaczona przez Cloud Translation API.
Switch to English

Pierwsze kroki

TensorFlow Lite to platforma uczenia głębokiego typu open source do uruchamiania modeli TensorFlow na urządzeniu. Jeśli dopiero zaczynasz korzystać z TensorFlow Lite, zalecamy, aby najpierw zapoznać się z wcześniej wytrenowanymi modelami i uruchomić przykładowe aplikacje poniżej na prawdziwym urządzeniu, aby zobaczyć, co potrafi TensorFlow Lite.
Wykrywaj obiekty w czasie rzeczywistym z obrazu z kamery za pomocą modelu MobileNet.
Answer any questions related to a given text with a MobileBERT model.

For mobile developers

If you are a mobile developer without much experience with machine learning and TensorFlow, you can start by learning how to train a model and deploy to a mobile app with TensorFlow Lite Model Maker.
Szybki samouczek dla Androida. Wytrenuj model klasyfikacji kwiatów i wdróż go w aplikacji na Androida.
Szybki samouczek dla systemu iOS. Wytrenuj model klasyfikacji kwiatów i wdróż go w aplikacji dla systemu iOS.

Dla twórców modeli

Jeśli znasz już TensorFlow i jesteś zainteresowany wdrażaniem na urządzeniach brzegowych, możesz zacząć od poniższego samouczka, aby dowiedzieć się, jak przekonwertować model TensorFlow do formatu TensorFlow Lite i zoptymalizować go pod kątem wnioskowania na urządzeniu.
A quick start end-to-end tutorial on converting and optimizing a TensorFlow model for on-device inference, then deploy it to an Android app.
Dowiedz się, jak korzystać z TensorFlow Lite Model Maker do szybkiego tworzenia modeli klasyfikacji obrazów.

Dla programistów IoT

Jeśli jesteś zainteresowany wdrożeniem modelu TensorFlow na urządzeniach IoT opartych na systemie Linux, takich jak Raspberry Pi, możesz wypróbować te samouczki dotyczące wdrażania zadań widzenia komputerowego na urządzeniach IoT.
Perform real-time image classification using images streamed from the Pi Camera.
Perform real-time object detection using images streamed from the Pi Camera.
Jeśli chcesz wdrożyć model TensorFlow w mikrokontrolerach, które są znacznie bardziej ograniczone zasobami, możesz zacząć od tych samouczków, które pokazują kompleksowy przepływ pracy od opracowania modelu TensorFlow do konwersji do formatu TensorFlow Lite i wdrożenia do mikrokontroler z TensorFlow Lite Micro.
Wytrenuj mały model mowy, który może wykrywać proste słowa kluczowe.
Wytrenuj model, który potrafi rozpoznawać różne gesty na podstawie danych z akcelerometru.

Next steps

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.

Blogi i filmy

Zasubskrybuj blog TensorFlow , kanał YouTube i Twitter, aby otrzymywać najnowsze aktualizacje.