Partecipa al simposio Women in ML il 7 dicembre Registrati ora
Mantieni tutto organizzato con le raccolte Salva e classifica i contenuti in base alle tue preferenze.

TensorFlow Lite utilizza modelli TensorFlow convertiti in un formato di modello di machine learning (ML) più piccolo ed efficiente. È possibile utilizzare modelli pre-addestrati con TensorFlow Lite, modificare modelli esistenti o creare i propri modelli TensorFlow e quindi convertirli nel formato TensorFlow Lite. I modelli TensorFlow Lite possono eseguire quasi tutte le attività che un normale modello TensorFlow può svolgere: rilevamento di oggetti, elaborazione del linguaggio naturale, riconoscimento di modelli e altro utilizzando un'ampia gamma di dati di input tra cui immagini, video, audio e testo.

Passa alla sezione Converti per informazioni su come far funzionare il tuo modello con TensorFlow Lite.
Per indicazioni su come ottenere modelli per il tuo caso d'uso, continua a leggere .

Non è necessario creare un modello TensorFlow Lite per iniziare a utilizzare l'apprendimento automatico su dispositivi mobili o edge. Molti modelli già costruiti e ottimizzati sono disponibili per l'uso immediato nella tua applicazione. Puoi iniziare con l'utilizzo di modelli pre-addestrati in TensorFlow Lite e passare alla creazione di modelli personalizzati nel tempo, come segue:

  1. Inizia a sviluppare funzionalità di machine learning con modelli già addestrati.
  2. Modifica i modelli TensorFlow Lite esistenti utilizzando strumenti come Model Maker .
  3. Crea un modello personalizzato con gli strumenti TensorFlow e poi convertilo in TensorFlow Lite.

Se stai cercando di implementare rapidamente funzionalità o attività di utilità con l'apprendimento automatico, dovresti rivedere i casi d'uso supportati da ML Kit prima di iniziare lo sviluppo con TensorFlow Lite. Questo strumento di sviluppo fornisce API che puoi chiamare direttamente dalle app mobili per completare attività comuni di ML come la scansione di codici a barre e la traduzione sul dispositivo. L'uso di questo metodo può aiutarti a ottenere risultati rapidamente. Tuttavia, ML Kit ha opzioni limitate per estendere le sue capacità. Per ulteriori informazioni, vedere la documentazione per gli sviluppatori di ML Kit .


Se la creazione di un modello personalizzato per il tuo caso d'uso specifico è il tuo obiettivo finale, dovresti iniziare con lo sviluppo e l'addestramento di un modello TensorFlow o estendendone uno esistente. Prima di iniziare il processo di sviluppo del modello, è necessario essere a conoscenza dei vincoli per i modelli TensorFlow Lite e creare il modello tenendo presenti questi vincoli:

  • Capacità di calcolo limitate
  • Dimensioni dei modelli
  • Dimensione dei dati
  • Operazioni TensorFlow supportate

Per maggiori dettagli su ciascuno di questi vincoli, vedere i vincoli di progettazione del modello nella Panoramica sulla creazione del modello. Per ulteriori informazioni sulla creazione di modelli efficaci, compatibili e ad alte prestazioni per TensorFlow Lite, vedere Procedure consigliate per le prestazioni .

Scopri come scegliere un modello ML pre-addestrato da utilizzare con TensorFlow Lite.
Utilizzare TensorFlow Lite Model Maker per modificare i modelli utilizzando i dati di addestramento.
Scopri come creare modelli TensorFlow personalizzati da utilizzare con TensorFlow Lite.