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。

September 16, 2020  
What's new in TensorFlow Lite for NLP

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.

September 14, 2020  
Introduction to On-device Recommendation

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.

September 10, 2020  
Easy ML mobile development with TensorFlow Lite Task Library

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.

September 9, 2020  
How to Create a Cartoonizer with TensorFlow Lite

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.