在行動裝置和 IoT 裝置上部署機器學習模型

TensorFlow Lite 是一種開放原始碼深度學習架構,可在裝置端執行推論。

參閱指南

說明 TensorFlow Lite 概念與元件的指南。

參閱範例

探索 TensorFlow Lite Android 版和 iOS 版應用程式。

查看模型

輕鬆部署預先訓練模型。

運作方式

選擇模型

選擇新模型或重新訓練現有模型。

轉換

使用 TensorFlow Lite Converter,將 TensorFlow 模型轉換成壓縮處理的一般緩衝區。

部署

將壓縮過的 .tflite 檔案載入到行動裝置或嵌入式裝置中。

最佳化

將 32 位元的浮點數轉換成更有效率的 8 位元整數,或改為在 GPU 上執行,以便進行量化。

常見問題的解決方案

探索對一般行動裝置與邊緣使用案例有助益的最佳化模型。

圖片分類

辨識數百個物件,包含人物、活動、動物、植物和地點。

物件偵測

使用定界框來偵測多個物件。沒錯,這也能偵測貓和狗。

問題回答

使用先進的自然語言模型,透過 BERT 根據特定文字段落的內容回答問題。

最新消息與公告

請前往我們的網誌查看其他最新消息,並訂閱我們每月發行的 TensorFlow 電子報,讓最新的公告直接寄到你的收件匣。

2020 年 9 月 16 日  
TensorFlow Lite 自然語言處理的最新功能

瞭解 TensorFlow Lite 如何使用新功能,提供自然語言處理工作的端對端支援,包含邊緣裝置上預先訓練的自然語言處理模型,以及模型建立、轉換和部署作業。

2020 年 9 月 14 日  
介紹裝置端建議

我們很高興能夠替 TFLite 的裝置推薦工作,找到開放原始碼端對端的解決方案。我們邀請開發人員運用我們的解決方案建立裝置上的模型,提供個人化、低延遲時間和高品質推薦功能,同時確保使用者隱私。

2020 年 9 月 10 日  
使用 TensorFlow Lite 工作程式庫,進行簡單的機器學習行動開發作業

一組功能強大且易於使用的工作專屬 API,可供應用程式開發人員透過 TensorFlow Lite 打造機器學習體驗。TensorFlow Lite 工作程式庫目前支援六種機器學習工作,包含 Vision 和自然語言處理等用途。

2020 年 9 月 9 日  
如何使用 TensorFlow Lite 建立卡通化工具

一種端對端教學課程,教導如何將 TF 1.x 模型轉換為 TensorFlow Lite (TFLite) 並部署至 Android 應用程式。我們使用 Android Studio 的機器學習模型繫結來將模型匯入,以便將使用 CameraX 所拍攝的圖片加以卡通化。