TensorFlow Lite 是一種開放原始碼的深度學習架構,可在裝置端執行 TensorFlow 模型。如果你不熟悉 TensorFlow Lite,我們建議你先探索預先訓練模型,並在實際裝置上執行下方範例應用程式,看看 TensorFlow Lite 有哪些功能。
使用 MobileNet 模型,從攝影機拍攝的影片中即時偵測物件。
使用 MobileBERT 模型回答與特定文字相關的所有問題。
如果你是行動裝置開發人員,但沒有什麼機器學習和 TensorFlow 的相關經驗,可以先學習如何使用 TensorFlow Lite Model Maker 訓練模型,並部署至行動應用程式。
瀏覽這個適用於 Android 的快速入門教學課程,瞭解如何訓練花卉分類模型,並將其部署至 Android 應用程式。
瀏覽這個適用於 iOS 的快速入門教學課程,瞭解如何訓練花卉分類模型,並將其部署至 iOS 應用程式。
如果你已經熟悉 TensorFlow,並希望在邊緣裝置上進行部署,可透過下方教學課程開始學習如何將 TensorFlow 模型轉換為 TensorFlow Lite 格式,並針對裝置端推論進行最佳化。
瀏覽這個快速入門的端對端教學課程,瞭解如何轉換 TensorFlow 模型並針對裝置端推論進行最佳化,然後部署至 Android 應用程式。
瞭解如何使用 TensorFlow Lite Model Maker 快速建立圖片分類模型。
如果你想要將 TensorFlow 模型部署至 Linux 型的 IoT 裝置 (例如 Raspberry Pi),可參閱這些教學課程,瞭解如何在 IoT 裝置上實作電腦視覺工作。
使用 Pi Camera 串流的圖片執行即時圖片分類。
使用 Pi Camera 串流的圖片執行即時物件偵測。
如果您想要將 TensorFlow 模型部署至資源有限的微控制器,可以先瀏覽這些教學課程示範的端對端工作流程,瞭解如何開發 TensorFlow 模型、轉換為 TensorFlow Lite 格式,並部署至包含 TensorFlow Lite Micro 的微控制器。
訓練小型的語音模型偵測簡單的啟動字詞。
使用加速計資料來訓練模型,辨識不同的手勢。

如果您已熟悉訓練 TensorFlow 模型、將其轉換為 TensorFlow Lite 格式,並部署到行動應用程式的工作流程,可透過下列資源進一步瞭解 TensorFlow Lite:

  • 透過左側導覽列進行不同領域的教學課程 (例如視覺、語音)。這些教學課程會說明如何針對特定機器學習工作 (例如物件偵測情緒分析) 來訓練模型。
  • 參閱 TensorFlow Lite 指南,進一步瞭解開發工作流程。這份指南詳細說明了各項 TensorFlow Lite 功能,例如模型轉換模型最佳化
  • 參加這個免費的 TensorFlow Lite 線上學習課程

歡迎訂閱 TensorFlow 網誌YouTube 頻道及追蹤 Twitter,以便掌握最新資訊。