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。

工作原理

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 模型转换为压缩的 FlatBuffer 文件。

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  

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。

查看所有用例  

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。

社区参与

查看参与 TensorFlow 社区活动的更多方式。

社区  

GitHub 上的 TensorFlow Lite 

Ask a question on Stack Overflow 

社区论坛 

分享您的 TensorFlow Lite 故事

我们的一些 TensorFlow Lite 用户

查看案例研究  

Google Photos

Gboard

Gmail

Google Assistant

VSCO

Shazam

Nest

Lost it

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。

报名  

2019 年 6 月 11 日 

TensorFlow 整数量化

整数量化是 TensorFlow 模型优化工具包的一项新增功能。这种技术通常可以用来降低模型权重和激活函数的数值精度，以减少内存消耗并缩短延迟。

了解详情  

2019 年 5 月 14 日 

TensorFlow Pruning API

权重剪枝是 TensorFlow 模型优化工具包的一项新增功能，旨在通过移除神经网络层之间的连接（即参数）来减少计算中涉及的参数和操作的数量。

了解详情  

2019 年 5 月 8 日 

2019 年 Google I/O 大会上的 TensorFlow Lite

在本视频中，您将了解如何使用 TensorFlow Lite 在任何设备中运用 AI 技术，并了解设备端机器学习的未来和我们的规划蓝图。您还将了解一个预训练模型库，您可以在自己的应用中使用这些模型或根据需要自定义这些模型。

观看视频  

2019 年 1 月 16 日 

TensorFlow Lite 在移动平台 GPU 上的速度得到了提升（开发者预览版功能）

在 Pixel 3 GPU 上运行推断最多可使推断速度提升约 4 倍。

了解详情  

开始使用 TensorFlow Lite

探索指南