ML Community Day is November 9! Join us for updates from TensorFlow, JAX, and more Learn more

在移动设备和 IoT 设备上部署机器学习模型

TensorFlow Lite 是一种用于设备端推断的开源深度学习框架。

查看指南

指南介绍了 TensorFlow Lite 的概念和组件。

查看示例

探索使用 TensorFlow Lite 的 Android 和 iOS 应用。

查看教程

了解如何针对常见用例使用 TensorFlow Lite。

工作原理

选择模型

选择新模型或重新训练现有模型。

转换

使用 TensorFlow Lite Converter 将 TensorFlow 模型转换为压缩平面缓冲区。

部署

获取压缩的 .tflite 文件,并将其加载到移动设备或嵌入式设备中。

优化

通过将 32 位浮点数转换为更高效的 8 位整数进行量化,或者在 GPU 上运行。

常见问题的解决方案

探索适用于移动设备和边缘用例的 TF Lite 优化模型和设备端机器学习解决方案。

图像分类

识别数百个对象,包括人、活动、动物、植物和地点。

对象检测

使用边界框检测多个对象。没错,也能侦测狗和猫。

问题回答

使用先进的自然语言模型,通过 BERT 根据给定文本段落的内容回答问题。

新闻和通告

欢迎查看我们的博客,了解其他动态;以及订阅 TensorFlow 每月简报,直接通过邮箱接收最新公告。

August 18, 2021  
Pose estimation and classification on edge devices with MoveNet

MoveNet is the state-of-the-art pose estimation model for mobile devices which can run in realtime on modern smartphones. Learn about recent updates and how you can do custom pose classification on Android, iOS and Raspberry Pi.

July 20, 2021  
Build fast, sparse on-device models with the new TF MOT Pruning API

如需缩小移动和网络机器学习开发之间的差距,您可以利用 WebAssembly 的强大功能,将 TensorFlow Lite Task 库轻松部署到网络。

June 2, 2021  
How TensorFlow helps Edge Impulse make ML accessible to embedded engineers

The TensorFlow ecosystem enables companies like Edge Impulse to put artificial intelligence in the hands of domain experts who are building the next generation of consumer and industrial technologies.

2021 年 5 月 20 日  
使用 TensorFlow Lite 训练您自己的自定义对象检测模型

了解如何通过仅编写几行代码,就能训练自定义对象检测模型并将其部署到 Android 应用中。您只需要有 Android Studio 和网络浏览器即可。无需具备机器学习知识。