Bereitstellen von Modellen für maschinelles Lernen auf Mobil- und IoT-Geräten
TensorFlow Lite ist ein Open-Source-Deep-Learning-Framework für Inferenz auf dem Gerät.
Wie es funktioniert
Wählen Sie ein Modell
Wählen Sie ein neues Modell oder trainieren Sie ein vorhandenes neu.
Konvertieren
Konvertieren Sie ein TensorFlow-Modell mit dem TensorFlow Lite Converter in einen komprimierten flachen Puffer.
Bereitstellen
Nehmen Sie die komprimierte .tflite-Datei und laden Sie sie auf ein mobiles oder eingebettetes Gerät.
Optimieren
Quantisieren Sie, indem Sie 32-Bit-Floats in effizientere 8-Bit-Ganzzahlen konvertieren oder auf einer GPU ausführen.
Lösungen für häufig auftretende Probleme
Entdecken Sie optimierte Modelle, um bei gängigen Anwendungsfällen für Mobilgeräte und Edge-Anwendungen zu helfen.

Identifizieren Sie Hunderte von Objekten, einschließlich Menschen, Aktivitäten, Tieren, Pflanzen und Orten.

Erkennen Sie mehrere Objekte mit Begrenzungsrahmen. Ja, auch Hunde und Katzen.

Verwenden Sie ein hochmodernes Modell in natürlicher Sprache, um Fragen zu beantworten, die auf dem Inhalt einer bestimmten Textpassage mit BERT basieren.
Die Beteiligung der Gemeinschaft
Weitere Möglichkeiten zur Teilnahme an der TensorFlow-Community.
Einige unserer TensorFlow Lite-Benutzer

Die Aufgabe, ein Bild mit hoher Auflösung (HR) von seinem Gegenstück mit niedriger Auflösung wiederherzustellen, wird üblicherweise als Einzelbild-Superauflösung (SISR) bezeichnet. In diesem Tutorial verwenden wir ein vorab trainiertes ESRGAN-Modell von TensorFlow Hub und generieren hochauflösende Bilder mit ...

Wir freuen uns, Ihnen mitteilen zu können, dass Sie mit Teachable Machine jetzt Ihr eigenes Klangklassifizierungsmodell trainieren und im TensorFlow Lite-Format (TFLite) exportieren können. Anschließend können Sie das TFLite-Modell in Ihre mobilen Anwendungen oder Ihre IoT-Geräte integrieren. Das ist eine einfache ...

Erfahren Sie mit TensorFlow Lite Model Maker und Android Studio, wie Sie ein ML-Modell in nur wenigen Codezeilen in einer Android-App trainieren und bereitstellen. Von hier aus können Sie dann untersuchen, wie Sie mithilfe verschiedener Tools von Google einen Prototyp in eine Produktions-App verwandeln können. Präsentiert von...

Erfahren Sie mehr über die Unterschiede zwischen ML auf einem Supercomputer und ML auf einem tragbaren Gerät sowie über die von Google entwickelten Tools und Technologien, mit denen Sie Ihre Arbeit auf mobile Geräte übertragen können, ohne das Rad neu zu erfinden. Wir werden die Grundlagen und auch spezielle ...