Implementa modelos de aprendizaje automático en dispositivos móviles y de IoT
TensorFlow Lite es un framework de código abierto de aprendizaje profundo para la inferencia en dispositivos.
Cómo funciona
Elige un modelo
Elige un modelo nuevo o vuelve a entrenar uno existente.
Convertir
Convierte un modelo de TensorFlow en un archivo comprimido FlatBuffer con TensorFlow Lite Converter.
Implementación
Toma el archivo comprimido .tflite y cárgalo en un dispositivo móvil o incorporado.
Optimize
Realiza una cuantización mediante la conversión de números de puntos flotante de 32 bits a números enteros de 8 bits, que son más eficientes, o realiza la ejecución en la GPU.
Soluciones para problemas comunes
Explora modelos optimizados para ayudar con casos prácticos comunes de dispositivos móviles y perimetrales.
Identifica cientos de objetos, entre ellos personas, actividades, animales, plantas y lugares.
Usa un modelo novedoso de lenguaje natural para responder preguntas en función del contenido de una determinada porción de texto con BERT.
Algunos de nuestros usuarios de TensorFlow Lite
Noticias y anuncios
Visita nuestro blog para encontrar actualizaciones adicionales y suscríbete a nuestro boletín informativo mensual de TensorFlow para recibir los anuncios más recientes directamente en tu casilla de correo.
Learn about TensorFlow Lite’s end-to-end support for NLP tasks with new features including pre-trained NLP models, model creation, conversion and deployment on edge devices.
We are excited to open source an end-to-end solution for TFLite on-device recommendation tasks. We invite developers to build on-device models using our solution that provides personalized, low-latency and high-quality recommendations, while preserving users’ privacy.
A set of powerful and easy-to-use task-specific APIs for app developers to create ML experiences with TensorFlow Lite. The TensorFlow Lite Task Library currently supports six ML tasks including Vision and NLP use cases.
An end-to-end tutorial on how to convert a TF 1.x model to TensorFlow Lite (TFLite) and deploy it to an Android app. We use Android Studio’s ML Model Binding to import the model for cartoonizing an image captured with CameraX.