Asista al Simposio Mujeres en ML el 7 de diciembre Regístrese ahora
Organiza tus páginas con colecciones Guarda y categoriza el contenido según tus preferencias.

TensorFlow Lite usa modelos de TensorFlow convertidos en un formato de modelo de aprendizaje automático (ML) más pequeño y eficiente. Puede usar modelos previamente entrenados con TensorFlow Lite, modificar modelos existentes o crear sus propios modelos de TensorFlow y luego convertirlos al formato de TensorFlow Lite. Los modelos de TensorFlow Lite pueden realizar casi cualquier tarea que pueda realizar un modelo de TensorFlow normal: detección de objetos, procesamiento de lenguaje natural, reconocimiento de patrones y más utilizando una amplia gama de datos de entrada, incluidas imágenes, video, audio y texto.

Pase a la sección Convertir para obtener información sobre cómo hacer que su modelo se ejecute con TensorFlow Lite.
Para obtener orientación sobre cómo obtener modelos para su caso de uso, siga leyendo .

No es necesario que cree un modelo de TensorFlow Lite para comenzar a usar el aprendizaje automático en dispositivos móviles o perimetrales. Muchos modelos ya construidos y optimizados están disponibles para que los use de inmediato en su aplicación. Puede comenzar con el uso de modelos previamente entrenados en TensorFlow Lite y pasar a crear modelos personalizados con el tiempo, de la siguiente manera:

  1. Comience a desarrollar funciones de aprendizaje automático con modelos ya entrenados.
  2. Modifique los modelos existentes de TensorFlow Lite con herramientas como Model Maker .
  3. Cree un modelo personalizado con las herramientas de TensorFlow y luego conviértalo a TensorFlow Lite.

Si está tratando de implementar rápidamente funciones o tareas de utilidad con aprendizaje automático, debe revisar los casos de uso compatibles con ML Kit antes de comenzar el desarrollo con TensorFlow Lite. Esta herramienta de desarrollo proporciona API a las que puede llamar directamente desde aplicaciones móviles para completar tareas comunes de ML, como el escaneo de códigos de barras y la traducción en el dispositivo. El uso de este método puede ayudarlo a obtener resultados rápidamente. Sin embargo, ML Kit tiene opciones limitadas para ampliar sus capacidades. Para obtener más información, consulte la documentación para desarrolladores del kit ML .


Si su objetivo final es crear un modelo personalizado para su caso de uso específico, debe comenzar con el desarrollo y la capacitación de un modelo de TensorFlow o la ampliación de uno existente. Antes de comenzar el proceso de desarrollo de su modelo, debe tener en cuenta las restricciones de los modelos de TensorFlow Lite y crear su modelo teniendo en cuenta estas restricciones:

  • Capacidades informáticas limitadas
  • Tamaño de los modelos
  • Tamaño de los datos
  • Operaciones de TensorFlow admitidas

Para obtener más detalles sobre cada una de estas restricciones, consulte las restricciones de diseño del modelo en la descripción general de la construcción del modelo. Para obtener más información sobre la creación de modelos efectivos, compatibles y de alto rendimiento para TensorFlow Lite, consulte Prácticas recomendadas de rendimiento .

Aprende a elegir un modelo de ML preentrenado para usar con TensorFlow Lite.
Usa TensorFlow Lite Model Maker para modificar modelos usando tus datos de entrenamiento.
Aprenda a crear modelos personalizados de TensorFlow para usar con TensorFlow Lite.