تاریخ را ذخیره کنید! Google I / O 18-20 مه بازمی گردد اکنون ثبت نام کنید
این صفحه به‌وسیله ‏Cloud Translation API‏ ترجمه شده است.
Switch to English
TensorFlow Lite یک چارچوب یادگیری عمیق منبع باز برای اجرای مدل های TensorFlow بر روی دستگاه است. اگر تازه وارد TensorFlow Lite هستید ، توصیه می کنیم ابتدا مدل های از قبل آموزش دیده را کاوش کنید و برنامه های مثال زیر را روی یک دستگاه واقعی اجرا کنید تا ببینید TensorFlow Lite چه کاری می تواند انجام دهد.
با استفاده از مدل MobileNet ، اشیا را از زمان واقعی خوراک دوربین شناسایی کنید.
با مدل MobileBERT به س questionsالات مربوط به متن داده شده پاسخ دهید.
اگر شما یک توسعه دهنده موبایل هستید و تجربه زیادی در زمینه یادگیری ماشین و TensorFlow ندارید ، می توانید با آموزش نحوه آموزش مدل و استقرار در یک برنامه تلفن همراه با TensorFlow Lite Model Maker شروع کنید.
آموزش شروع سریع برای Android. یک مدل طبقه بندی گل را آموزش دهید و آن را در یک برنامه آندروید استفاده کنید.
یک آموزش شروع سریع برای iOS. یک مدل طبقه بندی گل را آموزش دهید و آن را در یک برنامه iOS بکار بگیرید.
اگر قبلاً با TensorFlow آشنا هستید و علاقه مند به استقرار در دستگاه های edge هستید ، می توانید با آموزش زیر شروع به یادگیری نحوه تبدیل مدل TensorFlow به قالب TensorFlow Lite و بهینه سازی آن برای استنباط روی دستگاه کنید.
یک آموزش سریع شروع به پایان در مورد تبدیل و بهینه سازی یک مدل TensorFlow برای استنباط روی دستگاه ، سپس آن را در یک برنامه Android مستقر کنید.
بیاموزید که چگونه از TensorFlow Lite Model Maker برای ایجاد سریع مدل های طبقه بندی تصویر استفاده کنید.
اگر شما علاقه مند به استفاده از یک مدل TensorFlow در دستگاه های اینترنت اشیا-مبتنی بر Linux مانند Raspberry Pi هستید ، می توانید این آموزش ها را در مورد نحوه اجرای وظایف بینایی رایانه در دستگاه های اینترنت اشیاo امتحان کنید.
با استفاده از تصاویر پخش شده از دوربین Pi ، طبقه بندی تصویر را در زمان واقعی انجام دهید.
با استفاده از تصاویر پخش شده از دوربین Pi ، تشخیص اشیا-را در زمان واقعی انجام دهید.
اگر شما علاقه مند به استفاده از یک مدل TensorFlow در میکروکنترلرهایی هستید که منابع بسیار محدودتری دارند ، پس می توانید با این آموزشها شروع کار به پایان کار را از توسعه مدل TensorFlow تا تبدیل به قالب TensorFlow Lite و استقرار در میکروکنترلر با TensorFlow Lite Micro.
یک مدل گفتاری کوچک که بتواند کلمات کلیدی ساده را تشخیص دهد ، آموزش دهید.
مدلی را آموزش دهید که بتواند حرکات مختلف را با استفاده از داده های شتاب سنج تشخیص دهد.

بعد از اینکه با روند کار آموزش مدل TensorFlow ، تبدیل آن به قالب TensorFlow Lite و استفاده از آن در برنامه های تلفن همراه آشنا شدید ، می توانید با مطالب زیر درباره TensorFlow Lite اطلاعات بیشتری کسب کنید:

برای آخرین به روزرسانی ها در وبلاگ TensorFlow ، کانال YouTube و Twitter مشترک شوید.