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。

问题回答

使用先进的自然语言模型,通过 BERT 根据给定文本段落的内容回答问题。

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。

2020 年 9 月 16 日  
适用于 NLP 的 TensorFlow Lite 的新变化

了解 TensorFlow Lite 如何通过新功能为 NLP 任务提供端到端支持,这些新功能包括预训练 NLP 模型以及在边缘设备上进行模型创建、转换和部署。

2020 年 9 月 14 日  
设备端推荐简介

我们很高兴能够为 TFLite 设备端推荐任务提供开源的端到端解决方案。诚邀广大开发者使用我们的解决方案构建设备端模型,该解决方案可提供个性化、低延迟、高质量的建议,同时还能保护用户隐私。

2020 年 9 月 10 日  
使用 TensorFlow Lite Task 库简化机器学习移动开发流程

一组功能强大且易于使用的任务特有 API,供应用开发者使用 TensorFlow Lite 打造机器学习体验。TensorFlow Lite Task 库目前支持 6 项机器学习任务,包括 Vision 和 NLP 用例。

2020 年 9 月 9 日  
如何使用 TensorFlow Lite 创建 Cartoonizer

此端到端教程介绍了如何将 TF 1.x 模型转换为 TensorFlow Lite (TFLite) 模型,并且部署到 Android 应用。我们使用 Android Studio 的 ML Model Binding 导入模型,以便将使用 CameraX 拍摄的图片制作成动画。