Distribuisci modelli di machine learning su dispositivi mobili e IoT
TensorFlow Lite è un framework di deep learning open source per l'inferenza su dispositivo.
Come funziona
Scegli un modello
Scegli un nuovo modello o riqualificane uno esistente.
Convertire
Converti un modello TensorFlow in un buffer piatto compresso con il convertitore TensorFlow Lite.
Distribuire
Prendi il file .tflite compresso e caricalo in un dispositivo mobile o incorporato.
Ottimizzare
Quantizza convertendo float a 32 bit in interi a 8 bit più efficienti o esegui su GPU.
Soluzioni a problemi comuni
Esplora i modelli TF Lite ottimizzati e le soluzioni ML su dispositivo per casi d'uso mobili e perimetrali.
Identifica centinaia di oggetti, incluse persone, attività, animali, piante e luoghi.
Rileva più oggetti con i riquadri di delimitazione. Sì, anche cani e gatti.
Utilizza un modello di linguaggio naturale all'avanguardia per rispondere alle domande in base al contenuto di un determinato passaggio di testo con BERT.
Alcuni dei nostri utenti TensorFlow Lite
Notizie e annunci
Controlla il nostro blog per ulteriori aggiornamenti, e iscriviti alla nostra newsletter mensile tensorflow per ottenere gli ultimi annunci direttamente nella tua casella di posta.
Visita il sito per vedere i progetti che combinano Arduino e TensorFlow per creare esperienze fantastiche e strumenti utili. Trova link utili per creare i tuoi esperimenti e scopri come partecipare alla TF Micro Challenge.
Scopri come addestrare un modello di rilevamento di oggetti personalizzato e distribuirlo in un'app Android con poche righe di codice. Tutto ciò di cui hai bisogno sono Android Studio e un browser web. Non è richiesta alcuna conoscenza dell'apprendimento automatico.
Scopri le soluzioni che ti aiutano a integrare il machine learning nelle tue app per dispositivi mobili e web e i nuovi percorsi di apprendimento di Google Developers per guidarti attraverso scenari comuni di machine learning e casi d'uso personalizzati.
Per colmare il divario tra lo sviluppo di machine learning per dispositivi mobili e Web, è possibile distribuire facilmente la libreria di attività TensorFlow Lite sul Web con la potenza di WebAssembly.