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。

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  

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 

在 Stack Overflow 上提问 

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。

注册  

Udacity 发布免费的《TensorFlow Lite 简介》课程

了解详情  

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。

阅读博客  

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）。

阅读博客  

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！

阅读博客  

开始使用 TensorFlow Lite

探索指南