Missed TensorFlow Dev Summit? Check out the video playlist. Watch recordings

在移动设备和 IoT 设备上部署机器学习模型

TensorFlow Lite 是一种用于设备端推断的开源深度学习框架。

查看指南

指南介绍了 TensorFlow Lite 的概念和组件。

查看示例

探索使用 TensorFlow Lite 的 Android 和 iOS 应用。

查看模型

轻松地部署预训练模型。

运行原理

选择模型

选择新模型或重新训练现有模型。

转换

使用 TensorFlow Lite Converter 将 TensorFlow 模型转换为压缩平面缓冲区。

部署

获取压缩的 .tflite 文件,并将其加载到移动设备或嵌入式设备中。

优化

通过将 32 位浮点数转换为更高效的 8 位整数进行量化,或者在 GPU 上运行。

常见问题的解决方案

探索帮助解决常见移动和边缘用例的优化模型。

图像分类

识别数百个对象,包括人、活动、动物、植物和地点。

对象检测

使用边界框检测多个对象。是的,包括狗和猫。

智能回复

生成回复建议以输入对话聊天消息。

新闻和通告

了解有益于您推进工作的各种最新动态,并订阅我们的 TensorFlow 每月简报,直接在您的邮箱中收到最新公告。

2019 年 12 月 12 日 
使用 TensorFlow Lite 在设备上对模型进行个性化调整的示例

尝试新的设备端迁移学习图像分类示例。

2019 年 8 月 6 日 
在 Android 上实时跟踪人体姿态

构建人体姿态估计应用并检测人体关键部位的位置(例如人的肘部和/或膝盖的位置)。

2019 年 8 月 5 日 
向模型优化工具包引入 float16 量化

训练后 float16 量化使得 TensorFlow Lite 模型缩小达一半,同时对准确率的影响微乎其微,非常适合 GPU!