Эта страница переведена с помощью Cloud Translation API.
Switch to English
TensorFlow Lite - это платформа глубокого обучения с открытым исходным кодом для запуска моделей TensorFlow на устройстве. Если вы новичок в TensorFlow Lite, мы рекомендуем сначала изучить предварительно обученные модели и запустить приведенные ниже примеры приложений на реальном устройстве, чтобы увидеть, на что способен TensorFlow Lite.
Обнаруживайте объекты в реальном времени с камеры с помощью модели MobileNet.
Отвечайте на любые вопросы, связанные с данным текстом, с помощью модели MobileBERT.
Если вы являетесь мобильным разработчиком без большого опыта работы с машинным обучением и TensorFlow, вы можете начать с изучения того, как обучить модель и развернуть ее в мобильном приложении с помощью TensorFlow Lite Model Maker.
Краткое руководство для Android. Обучите модель классификации цветов и разверните ее в приложении для Android.
Краткое руководство для iOS. Обучите модель классификации цветов и разверните ее в приложении для iOS.
Если вы уже знакомы с TensorFlow и заинтересованы в развертывании на пограничных устройствах, вы можете начать с приведенного ниже руководства, чтобы узнать, как преобразовать модель TensorFlow в формат TensorFlow Lite и оптимизировать ее для вывода на устройстве.
Краткое руководство по преобразованию и оптимизации модели TensorFlow для вывода на устройстве с последующим развертыванием в приложении Android.
Узнайте, как использовать TensorFlow Lite Model Maker для быстрого создания моделей классификации изображений.
Если вы заинтересованы в развертывании модели TensorFlow на устройствах IoT на базе Linux, таких как Raspberry Pi, вы можете попробовать эти руководства о том, как реализовать задачи компьютерного зрения на устройствах IoT.
Выполните классификацию изображений в реальном времени, используя изображения, передаваемые с камеры Pi.
Выполняйте обнаружение объектов в реальном времени с помощью изображений, передаваемых с камеры Pi.
Если вы заинтересованы в развертывании модели TensorFlow на микроконтроллерах, которые имеют гораздо более ограниченные ресурсы, вы можете начать с этих руководств, которые демонстрируют непрерывный рабочий процесс от разработки модели TensorFlow до преобразования в формат TensorFlow Lite и развертывания в микроконтроллер с TensorFlow Lite Micro.
Обучите крошечную модель речи, которая может распознавать простые горячие слова.
Обучите модель, которая может распознавать различные жесты, используя данные акселерометра.

После того, как вы ознакомились с рабочим процессом обучения модели TensorFlow, преобразования ее в формат TensorFlow Lite и развертывания в мобильных приложениях, вы можете узнать больше о TensorFlow Lite из следующих материалов:

Подпишитесь на блог TensorFlow , канал YouTube и Twitter, чтобы получать последние обновления.