Déployer des modèles de machine learning sur des appareils mobiles et IoT.
TensorFlow Lite est un framework Open Source de deep learning pour exécuter des inférences sur les appareils.
Comment ça marche ?
Choisissez un modèle
Choisissez un nouveau modèle ou réentraînez un modèle existant
Convertir
Convertissez un modèle TensorFlow en un tampon plat compressé avec l'outil de conversion de TensorFlow Lite.
Déployer
Sélectionnez le fichier compressé .tflite, puis importez-le dans un appareil mobile ou un appareil intégré.
Optimiser
Procédez à une quantification en convertissant des nombres à virgule flottante codés sur 32 bits en nombres entiers codés sur 8 bits plus efficaces ou en réalisant l'exécution sur GPU.
Solutions aux problèmes fréquents
Découvrez des modèles optimisés pour des cas d'utilisation communs sur mobiles ou en périphérie.

Identifiez des centaines d'objets, y compris des personnes, des activités, des animaux, des plantes et des lieux.

Détectez de nombreux objets à l'aide de cadres de délimitation (y compris des chiens et des chats).

Utilisez un modèle de langage naturel de pointe pour répondre à des questions portant sur le contenu d'un passage donné à l'aide de BERT.
Implication de la communauté
Découvrez d'autres façons de s'impliquer dans la communauté TensorFlow.
Quelques utilisateurs de TensorFlow Lite
Actualités et annonces
Consultez notre blog pour en savoir plus, et abonnez-vous à notre newsletter TensorFlow mensuelle pour recevoir directement les dernières annonces.

Les ingénieurs Arm ont développé des versions optimisées des noyaux TensorFlow Lite qui utilisent CMSIS-NN pour fournir des performances ultra-rapides sur les cœurs Arm Cortex-M.

The task of recovering a high resolution (HR) image from its low resolution counterpart is commonly referred to as Single Image Super Resolution (SISR). In this tutorial, we use a pre-trained ESRGAN model from TensorFlow Hub and generate super resolution images using...

We are excited to announce that Teachable Machine now allows you to train your own sound classification model and export it in the TensorFlow Lite (TFLite) format. Then you can integrate the TFLite model to your mobile applications or your IoT devices. This is an easy...

Learn how to train and deploy an ML model on an Android app in just a few lines of code with TensorFlow Lite Model Maker and Android Studio. From here you can then explore how to use various tools from Google to turn a prototype into a production app. Presented by...