Questa pagina è stata tradotta dall'API Cloud Translation.
Switch to English
TensorFlow Lite è un framework di deep learning open source per eseguire modelli TensorFlow sul dispositivo. Se non conosci TensorFlow Lite, ti consigliamo di esplorare prima i modelli pre-addestrati ed eseguire le app di esempio di seguito su un dispositivo reale per vedere cosa può fare TensorFlow Lite.
Rileva oggetti in tempo reale da un feed telecamera con un modello MobileNet.
Answer any questions related to a given text with a MobileBERT model.
Se sei uno sviluppatore mobile senza molta esperienza con l'apprendimento automatico e TensorFlow, puoi iniziare imparando come addestrare un modello e distribuirlo a un'app mobile con TensorFlow Lite Model Maker.
Un tutorial di avvio rapido per Android. Addestra un modello di classificazione dei fiori e distribuiscilo a un'applicazione Android.
A quick start tutorial for iOS. Train a flower classification model and deploy it to an iOS application.
Se hai già familiarità con TensorFlow e sei interessato alla distribuzione su dispositivi edge, puoi iniziare con il tutorial di seguito per imparare a convertire un modello TensorFlow nel formato TensorFlow Lite e ottimizzarlo per l'inferenza sul dispositivo.
Un tutorial end-to-end di avvio rapido sulla conversione e l'ottimizzazione di un modello TensorFlow per l'inferenza sul dispositivo, quindi distribuirlo a un'app Android.
Scopri come utilizzare TensorFlow Lite Model Maker per creare rapidamente modelli di classificazione delle immagini.
If you are interested in deploying a TensorFlow model to Linux-based IoT devices such as Raspberry Pi, then you can try out these tutorials on how to implement computer vision tasks on IoT devices.
Esegui la classificazione delle immagini in tempo reale utilizzando le immagini trasmesse in streaming dalla fotocamera Pi.
Esegui il rilevamento degli oggetti in tempo reale utilizzando le immagini trasmesse in streaming dalla fotocamera Pi.
If you are interested in deploying a TensorFlow model to microcontrollers which are much more resource constrained, then you can start with these tutorials that demonstrate an end-to-end workflow from developing a TensorFlow model to converting to a TensorFlow Lite format and deploying to a microcontroller with TensorFlow Lite Micro.
Addestra un piccolo modello vocale in grado di rilevare semplici hotword.
Addestra un modello in grado di riconoscere gesti diversi utilizzando i dati dell'accelerometro.

Dopo aver acquisito familiarità con il flusso di lavoro di addestramento di un modello TensorFlow, convertendolo in un formato TensorFlow Lite e distribuendolo alle app mobili, puoi saperne di più su TensorFlow Lite con i seguenti materiali:

Subscribe to the TensorFlow blog, YouTube channel, and Twitter for the latest updates.