Bereitstellen von Modellen für maschinelles Lernen auf mobilen und IoT-Geräten

TensorFlow Lite ist ein Open-Source-Deep-Learning-Framework für Inferenz auf dem Gerät.

Siehe die Anleitung

Leitfäden erklären die Konzepte und Komponenten von TensorFlow Lite.

Beispiele ansehen

Entdecken Sie TensorFlow Lite Android- und iOS-Apps.

Siehe Tutorials

Erfahren Sie, wie Sie TensorFlow Lite für allgemeine Anwendungsfälle verwenden.

Wie es funktioniert

Wähle ein Modell

Wählen Sie ein neues Modell aus oder trainieren Sie ein vorhandenes um.

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 der GPU ausführen.

Lösungen für häufige Probleme

Entdecken Sie optimierte TF Lite-Modelle und geräteinterne ML-Lösungen für mobile und Edge-Anwendungsfälle.

Bildklassifizierung

Identifizieren Sie Hunderte von Objekten, darunter Menschen, Aktivitäten, Tiere, Pflanzen und Orte.

Objekterkennung

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

Frage beantworten

Verwenden Sie ein modernes natürliches Sprachmodell, um Fragen basierend auf dem Inhalt einer bestimmten Textpassage mit BERT zu beantworten.

Die Beteiligung der Gemeinschaft

Sehen Sie sich weitere Möglichkeiten zur Teilnahme an der TensorFlow-Community an.

Neuigkeiten & Ankündigungen

Schauen Sie sich unsere Blog für weitere Updates und abonnieren Sie unseren monatlichen Newsletter TensorFlow die neuesten Ankündigungen direkt in Ihren Posteingang gesendet zu bekommen.

20. Mai 2021  
Entdecken Sie TensorFlow Lite für Mikrocontroller-Experimente und nehmen Sie an der TF Micro-Herausforderung teil

Besuchen Sie die Website, um Projekte zu sehen, die Arduino und TensorFlow kombinieren, um tolle Erlebnisse und nützliche Tools zu schaffen. Finden Sie hilfreiche Links zum Erstellen eigener Experimente und erfahren Sie, wie Sie an der TF Micro Challenge teilnehmen können.

20. Mai 2021  
Trainieren Sie Ihr eigenes benutzerdefiniertes Objekterkennungsmodell mit TensorFlow Lite

Erfahren Sie, wie Sie ein benutzerdefiniertes Objekterkennungsmodell trainieren und es mit nur wenigen Codezeilen in einer Android-App bereitstellen. Sie benötigen lediglich Android Studio und einen Webbrowser. Es sind keine maschinellen Lernkenntnisse erforderlich.

18. Mai 2021  
Erkunden Sie die Website für maschinelles Lernen auf dem Gerät

Entdecken Sie Lösungen, die Ihnen bei der Integration von maschinellem Lernen in Ihre mobilen und Web-Apps helfen, sowie neue Lernpfade für Google Developers, die Sie durch gängige ML-Szenarien und benutzerdefinierte Anwendungsfälle führen.

18. Mai 2021  
Einfache Bereitstellung von TensorFlow Lite-Modellen im Web (Google I/O)

Um die Lücke zwischen mobiler und Web-ML-Entwicklung zu schließen, können Sie die TensorFlow Lite-Aufgabenbibliothek mit der Leistung von WebAssembly ganz einfach im Web bereitstellen.

Weiter