GitHub

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。

指南介绍了 TensorFlow Lite 的概念和组件。

探索使用 TensorFlow Lite 的 Android 和 iOS 应用。

轻松地部署预训练模型。

选择模型

选择新模型或重新训练现有模型。

阅读开发者指南

转换

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

阅读开发者指南

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。

阅读开发者指南

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。

阅读开发者指南

识别数百个对象，包括人、活动、动物、植物和地点。

使用边界框检测多个对象。是的，包括狗和猫。

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。

GitHub 上的 TensorFlow Lite

在 Stack Overflow 上提问

分享您的 TensorFlow Lite 故事

Google Assistant

2020 年 7 月 13 日

隆重介绍一下 Pixelopolis，这是使用 TF-Lite 构建的自动驾驶汽车演示，曾亮相于 Google I/O 大会

借助手机摄像头和 TensorFlow，再加上一点点想象力，就可以实现不可思议的功能。

2020 年 7 月 8 日

TensorFlow 内部揭秘：新的 TF Lite Converter

在这一集的“TensorFlow 内部揭秘”节目中，软件工程师 Yu-Cheng Ling 演示了新的 TF Lite Converter，并讨论了它的重要性和用法。

观看该视频

2020 年 6 月 26 日

使用 Firebase 加强 TensorFlow Lite 部署

使用 Firebase 可在没有应用更新的情况下更新 TensorFlow Lite 模型、在生产环境中对多个模型版本进行 A/B 测试，以及衡量用户设备上的推断速度。

2020 年 4 月 20 日

亮相于 2020 年开发者峰会的 TensorFlow Lite 新功能

TensorFlow Lite 在全球超过 40 亿台搭载各种平台的活跃设备上运行。我们将提高设备端机器学习的运行速度，让其更易于使用，从而不断突破极限。