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.

Arm’s engineers have developed optimized versions of the TensorFlow Lite kernels that use CMSIS-NN to deliver blazing fast performance on Arm Cortex-M cores.

The task of recovering a high resolution (HR) image from its low resolution counterpart is commonly referred to as Single Image Super Resolution (SISR). In this tutorial, we use a pre-trained ESRGAN model from TensorFlow Hub and generate super resolution images using...

We are excited to announce that Teachable Machine now allows you to train your own sound classification model and export it in the TensorFlow Lite (TFLite) format. Then you can integrate the TFLite model to your mobile applications or your IoT devices. This is an easy...

Learn how to train and deploy an ML model on an Android app in just a few lines of code with TensorFlow Lite Model Maker and Android Studio. From here you can then explore how to use various tools from Google to turn a prototype into a production app. Presented by...