GitHub

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。

指南介绍了 TensorFlow Lite 的概念和组件。

探索使用 TensorFlow Lite 的 Android 和 iOS 应用。

了解如何针对常见用例使用 TensorFlow Lite。

选择模型

选择新模型或重新训练现有模型。

阅读开发者指南

转换

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

阅读开发者指南

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。

阅读开发者指南

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。

阅读开发者指南

识别数百个对象，包括人、活动、动物、植物和地点。

使用边界框检测多个对象。没错，也能侦测狗和猫。

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。

GitHub 上的 TensorFlow Lite

在 Stack Overflow 上提问

分享您的 TensorFlow Lite 故事

Google Assistant

2021 年 5 月 20 日

探索适用于微控制器的 TensorFlow Lite 实验，并参加 TF Micro 挑战赛

访问网站，查看结合使用 Arduino 和 TensorFlow 打造超凡体验和实用工具的项目。查找对创建您自己的实验有帮助的链接，并了解如何参加 TF Micro 挑战赛。

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。

2021 年 5 月 18 日

探索设备端机器学习网站

浏览可帮助您将机器学习技术集成到移动应用和 Web 应用中的解决方案，以及介绍常见机器学习场景和自定义用例的新 Google Developers 学习课程。

查看设备端机器学习

2021 年 5 月 18 日

将 TensorFlow Lite 模型轻松部署到网络（Google I/O 大会）

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。