Эта страница была переведа 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.
Detect objects in real time from a camera feed with a MobileNet model.
Отвечайте на любые вопросы, связанные с заданным текстом, с помощью модели MobileBERT.
Если вы мобильный разработчик 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.
A quick start tutorial for Android. Train a flower classification model and deploy it to an Android application.
A quick start tutorial for iOS. Train a flower classification model and deploy it to an iOS application.
Если вы уже знакомы с TensorFlow и заинтересованы в развертывании на периферийных 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 сквозное 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.
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.
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.
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.
Train a tiny speech model that can detect simple hotwords.
Обучите модель, которая может распознавать различные жесты, используя данные акселерометра.

После того, как вы ознакомились с рабочим процессом обучения модели TensorFlow, ее преобразования 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.