TensorFlow Lite, daha küçük, daha verimli bir makine öğrenimi (ML) model formatına dönüştürülmüş TensorFlow modellerini kullanır. TensorFlow Lite ile önceden eğitilmiş modelleri kullanabilir, mevcut modelleri değiştirebilir veya kendi TensorFlow modellerinizi oluşturabilir ve ardından bunları TensorFlow Lite formatına dönüştürebilirsiniz. TensorFlow Lite modelleri, normal bir TensorFlow modelinin yapabileceği hemen hemen her görevi yerine getirebilir: resim, video, ses ve metin dahil olmak üzere çok çeşitli giriş verilerini kullanarak nesne algılama, doğal dil işleme, örüntü tanıma ve daha fazlası.

Modelinizi TensorFlow Lite ile çalıştırma hakkında bilgi için Dönüştürme bölümüne atlayın.
Kullanım durumunuz için model alma konusunda rehberlik için okumaya devam edin .

Mobil veya uç cihazlarda makine öğrenimini kullanmaya başlamak için bir TensorFlow Lite modeli oluşturmanız gerekmez. Halihazırda oluşturulmuş ve optimize edilmiş birçok model, uygulamanızda hemen kullanmanız için mevcuttur. TensorFlow Lite'ta önceden eğitilmiş modelleri kullanarak başlayabilir ve zaman içinde aşağıdaki gibi özel modeller oluşturmaya geçebilirsiniz:

  1. Halihazırda eğitilmiş modellerle makine öğrenimi özellikleri geliştirmeye başlayın.
  2. Model Maker gibi araçları kullanarak mevcut TensorFlow Lite modellerini değiştirin.
  3. TensorFlow araçlarıyla özel bir model oluşturun ve ardından onu TensorFlow Lite'a dönüştürün .

Makine öğrenimi ile özellikleri veya yardımcı program görevlerini hızlı bir şekilde uygulamaya çalışıyorsanız, TensorFlow Lite ile geliştirmeye başlamadan önce ML Kit tarafından desteklenen kullanım örneklerini incelemelisiniz. Bu geliştirme aracı, barkod tarama ve cihaz üzerinde çeviri gibi yaygın ML görevlerini tamamlamak için doğrudan mobil uygulamalardan arayabileceğiniz API'ler sağlar. Bu yöntemi kullanmak hızlı sonuç almanıza yardımcı olabilir. Ancak, ML Kit'in yeteneklerini genişletmek için sınırlı seçenekleri vardır. Daha fazla bilgi için ML Kit geliştirici belgelerine bakın.


Özel kullanım durumunuz için özel bir model oluşturmak nihai hedefinizse, bir TensorFlow modeli geliştirip eğiterek veya mevcut olanı genişleterek başlamalısınız. Model geliştirme sürecinize başlamadan önce, TensorFlow Lite modellerinin kısıtlamalarının farkında olmalı ve modelinizi şu kısıtlamaları göz önünde bulundurarak oluşturmalısınız:

  • Sınırlı bilgi işlem yetenekleri - Birden çok CPU'ya, yüksek bellek kapasitesine ve GPU'lar ve TPU'lar gibi özel işlemcilere sahip tam donanımlı sunucularla karşılaştırıldığında, mobil ve uç cihazlar çok daha sınırlıdır ve bunlarla etkili bir şekilde işleyebileceğiniz modeller ve veriler sınırlıdır.
  • Modellerin boyutu - Veri ön işleme mantığı ve modeldeki katman sayısı dahil olmak üzere bir modelin genel karmaşıklığı, bir modelin bellek içi boyutunu artırır. Büyük bir model kabul edilemez derecede yavaş çalışabilir veya bir mobil veya uç aygıtın kullanılabilir belleğine sığmayabilir.
  • Veri boyutu - Bir makine öğrenimi modeliyle etkin bir şekilde işlenebilen girdi verilerinin boyutu, bir mobil veya uç cihazda sınırlıdır. Dil kitaplıkları, görüntü kitaplıkları veya video klip kitaplıkları gibi büyük veri kitaplıkları kullanan modeller bu cihazlara sığmayabilir ve cihaz dışı depolama ve erişim çözümleri gerektirebilir.
  • Desteklenen TensorFlow işlemleri - TensorFlow Lite çalışma zamanı ortamları, normal TensorFlow modellerine kıyasla daha az sayıda makine öğrenimi modeli işlemini destekler. TensorFlow Lite ile kullanmak için bir model geliştirirken, modelinizin TensorFlow Lite çalışma zamanı ortamlarının yetenekleriyle uyumluluğunu izlemelisiniz.

TensorFlow Lite için etkili, uyumlu, yüksek performanslı modeller oluşturma hakkında daha fazla bilgi için bkz. Performansla ilgili en iyi uygulamalar .

TensorFlow Lite ile kullanmak için önceden eğitilmiş bir ML modelini nasıl seçeceğinizi öğrenin.
Eğitim verilerinizi kullanarak modelleri değiştirmek için TensorFlow Lite Model Maker'ı kullanın.
TensorFlow Lite ile kullanmak için özel TensorFlow modellerini nasıl oluşturacağınızı öğrenin.