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。

查看指南

指南介绍了 TensorFlow Lite 的概念和组件。

查看示例

探索使用 TensorFlow Lite 的 Android 和 iOS 应用。

查看模型

轻松地部署预训练模型。

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 模型转换为压缩的 FlatBuffer 文件。

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

图像分类

识别数百个对象，包括人、活动、动物、植物和地点。

对象检测

使用边界框检测多个对象。是的，包括狗和猫。

智能回复

生成回复建议以输入对话聊天消息。

GitHub 上的 TensorFlow Lite

Ask a question on Stack Overflow

社区论坛

分享您的 TensorFlow Lite 故事

Google Photos

Gboard

Gmail

Google Assistant

VSCO

Shazam

Nest

Lost it

2019 年 6 月 11 日

TensorFlow 模型优化工具包 — 训练后整型量化

模型优化工具包是一套先进的技术工具包，可协助新手和高级开发者优化待部署和执行的机器学习模型。

了解详情

2019 年 5 月 14 日

TensorFlow 模型优化工具包 — 剪枝 API

我们非常高兴地向大家介绍新推出的这款权重剪枝 API

了解详情

2019 年 5 月 8 日

2019 年 Google I/O 大会上的 TensorFlow Lite

在本视频中，您将了解如何使用 TensorFlow Lite 在任何设备中运用 AI 技术，并了解设备端机器学习的未来和我们的路线图。您还将发现一个预训练模型库，您可以在自己的应用中使用这些模型或根据需要自定义这些模型。

观看视频

2019 年 1 月 16 日

开发者预览版 — 基于 Mobile GPU 的 TensorFlow Lite 处理性能大幅提升

由于设备的处理和能力有限，在移动设备上基于以计算密集型为主的机器学习模型运行推理，对资源的要求很高。虽然转换为定点模型是加速的一种途径，但用户已经要求我们提供 GPU 支持，并作为加速原始浮点模型推理的一种选项，且不要产生额外的复杂性和潜在的量化精度损失。

了解详情

在移动设备和 IoT 设备上部署机器学习模型

工作原理

选择模型

转换

部署

优化

常见问题的解决方案

社区参与

我们的一些 TensorFlow Lite 用户

News & announcements

开始使用 TensorFlow Lite