Halaman ini diterjemahkan oleh Cloud Translation API.
Switch to English
TensorFlow Lite is an open-source deep learning framework to run TensorFlow models on-device. If you are new to TensorFlow Lite, we recommend that you first explore the pre-trained models and run the example apps below on a real device to see what TensorFlow Lite can do.
Mendeteksi objek secara real time dari umpan kamera dengan model MobileNet.
Jawab pertanyaan apa pun yang terkait dengan teks tertentu dengan model MobileBERT.
If you are a mobile developer without much experience with machine learning and TensorFlow, you can start by learning how to train a model and deploy to a mobile app with TensorFlow Lite Model Maker.
Tutorial memulai cepat untuk Android. Latih model klasifikasi bunga dan terapkan ke aplikasi Android.
Tutorial memulai cepat untuk iOS. Latih model klasifikasi bunga dan terapkan ke aplikasi iOS.
Jika Anda sudah terbiasa dengan TensorFlow dan tertarik untuk men-deploy ke perangkat edge, Anda dapat memulai dengan tutorial di bawah ini untuk mempelajari cara mengonversi model TensorFlow ke format TensorFlow Lite dan mengoptimalkannya untuk inferensi di perangkat.
A quick start end-to-end tutorial on converting and optimizing a TensorFlow model for on-device inference, then deploy it to an Android app.
Pelajari cara menggunakan TensorFlow Lite Model Maker untuk membuat model klasifikasi gambar dengan cepat.
Jika Anda tertarik untuk menerapkan model TensorFlow ke perangkat IoT berbasis Linux seperti Raspberry Pi, Anda dapat mencoba tutorial ini tentang cara mengimplementasikan tugas computer vision pada perangkat IoT.
Perform real-time image classification using images streamed from the Pi Camera.
Lakukan deteksi objek waktu nyata menggunakan gambar yang dialirkan dari Kamera Pi.
Jika Anda tertarik untuk menerapkan model TensorFlow ke mikrokontroler yang sumber dayanya jauh lebih terbatas, Anda dapat memulai dengan tutorial ini yang mendemonstrasikan alur kerja ujung-ke-ujung mulai dari mengembangkan model TensorFlow hingga mengonversi ke format TensorFlow Lite dan menerapkan ke mikrokontroler dengan TensorFlow Lite Micro.
Latih model ucapan kecil yang dapat mendeteksi kata cepat sederhana.
Train a model that can recognize different gestures using accelerometer data.

Setelah Anda membiasakan diri dengan alur kerja untuk melatih model TensorFlow, mengonversinya ke format TensorFlow Lite, dan menerapkannya ke aplikasi seluler, Anda dapat mempelajari lebih lanjut tentang TensorFlow Lite dengan materi di bawah ini:

  • Cobalah tutorial domain yang berbeda (mis. Penglihatan, ucapan) dari bilah navigasi kiri. Mereka menunjukkan kepada Anda cara melatih model untuk tugas pembelajaran mesin tertentu, seperti deteksi objek atau analisis sentimen .
  • Pelajari lebih lanjut tentang alur kerja pengembangan di Panduan TensorFlow Lite. Anda dapat menemukan informasi mendalam tentang fitur TensorFlow Lite, seperti konversi model atau pengoptimalan model .
  • Lihat kursus e-learning gratis ini di TensorFlow Lite.

Berlangganan ke blog TensorFlow , saluran YouTube , dan Twitter untuk pembaruan terkini.