TensorFlow Lite는 더 작고 효율적인 기계 학습(ML) 모델 형식으로 변환된 TensorFlow 모델을 사용합니다. TensorFlow Lite와 함께 사전 훈련된 모델을 사용하거나 기존 모델을 수정하거나 고유한 TensorFlow 모델을 구축한 다음 이를 TensorFlow Lite 형식으로 변환할 수 있습니다. TensorFlow Lite 모델은 이미지, 비디오, 오디오 및 텍스트를 포함한 광범위한 입력 데이터를 사용하여 일반 TensorFlow 모델이 수행할 수 있는 거의 모든 작업(객체 감지, 자연어 처리, 패턴 인식 등)을 수행할 수 있습니다.

TensorFlow Lite로 모델을 실행하는 방법에 대한 정보는 변환 섹션으로 건너뛰세요.
사용 사례에 대한 모델 가져오기에 대한 지침은 계속 읽으 십시오.

모바일 또는 에지 장치에서 기계 학습을 사용하기 시작하기 위해 TensorFlow Lite 모델을 빌드할 필요가 없습니다. 이미 구축되고 최적화된 많은 모델을 애플리케이션에서 바로 사용할 수 있습니다. TensorFlow Lite에서 사전 훈련된 모델을 사용하여 시작하여 다음과 같이 시간이 지남에 따라 사용자 지정 모델을 구축할 수 있습니다.

  1. 이미 훈련된 모델로 기계 학습 기능 개발을 시작하십시오.
  2. Model Maker 와 같은 도구를 사용하여 기존 TensorFlow Lite 모델을 수정합니다.
  3. TensorFlow 도구를 사용하여 사용자 지정 모델 을 빌드한 다음 TensorFlow Lite 로 변환 합니다.

기계 학습으로 기능 또는 유틸리티 작업을 빠르게 구현하려는 경우 TensorFlow Lite로 개발을 시작하기 전에 ML Kit 에서 지원하는 사용 사례를 검토해야 합니다. 이 개발 도구는 모바일 앱에서 직접 호출하여 바코드 스캔 및 기기 내 번역과 같은 일반적인 ML 작업을 완료할 수 있는 API를 제공합니다. 이 방법을 사용하면 결과를 빨리 얻을 수 있습니다. 그러나 ML Kit에는 기능 확장에 대한 옵션이 제한되어 있습니다. 자세한 내용은 ML Kit 개발자 설명서를 참조하세요.


특정 사용 사례에 대한 사용자 지정 모델을 구축하는 것이 궁극적인 목표인 경우 TensorFlow 모델을 개발 및 교육하거나 기존 모델을 확장하는 것으로 시작해야 합니다. 모델 개발 프로세스를 시작하기 전에 TensorFlow Lite 모델의 제약 조건을 인지하고 다음 제약 조건을 염두에 두고 모델을 빌드해야 합니다.

  • 제한된 컴퓨팅 기능 - 다중 CPU, 높은 메모리 용량, GPU 및 TPU와 같은 특수 프로세서를 갖춘 완벽하게 장착된 서버에 비해 모바일 및 에지 장치는 훨씬 더 제한적이며 효과적으로 처리할 수 있는 모델 및 데이터가 제한됩니다.
  • 모델의 크기 - 데이터 사전 처리 논리 및 모델의 레이어 수를 포함하여 모델의 전반적인 복잡성은 모델의 메모리 내 크기를 증가시킵니다. 대형 모델은 허용할 수 없을 정도로 느리게 실행되거나 모바일 또는 에지 장치의 사용 가능한 메모리에 맞지 않을 수 있습니다.
  • 데이터 크기 - 머신 러닝 모델로 효과적으로 처리할 수 있는 입력 데이터의 크기는 모바일 또는 에지 디바이스에서 제한됩니다. 언어 라이브러리, 이미지 라이브러리 또는 비디오 클립 라이브러리와 같은 대용량 데이터 라이브러리를 사용하는 모델은 이러한 장치에 맞지 않을 수 있으며 장치 외부 저장 및 액세스 솔루션이 필요할 수 있습니다.
  • 지원되는 TensorFlow 작업 - TensorFlow Lite 런타임 환경은 일반 TensorFlow 모델에 비해 더 적은 수의 기계 학습 모델 작업을 지원합니다. TensorFlow Lite와 함께 사용할 모델을 개발할 때 TensorFlow Lite 런타임 환경의 기능에 대한 모델의 호환성을 추적해야 합니다.

TensorFlow Lite를 위한 효과적이고 호환 가능한 고성능 모델 구축에 대한 자세한 내용은 성능 모범 사례 를 참조하세요.

TensorFlow Lite와 함께 사용할 사전 학습된 ML 모델을 선택하는 방법을 알아보세요.
TensorFlow Lite Model Maker를 사용하여 훈련 데이터를 사용하여 모델을 수정합니다.
TensorFlow Lite와 함께 사용할 맞춤형 TensorFlow 모델을 구축하는 방법을 알아보세요.