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。

Question answering

Use a state-of-the-art natural language model to answer questions based on the content of a given passage of text with BERT.

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 4 月 8 日 
使用 TensorFlow 模型最佳化工具包進行量化感知訓練

你可以運用 QAT 來訓練及部署兼具量化效能優勢與規模優勢的模型,同時維持原有的準確率。

2020 年 4 月 2 日 
TensorFlow Lite Core 機器學習委任可提升 iPhone 和 iPad 上的推論速度

隆重推出全新的 TensorFlow Lite 委任功能,這個功能使用了 Apple 的 Core ML API,透過類神經引擎加快浮點模型的執行速度。

2020 年 3 月 13 日 
TensorFlow Lite:適用於行動裝置和 IoT 裝置的機器學習 (TF Dev Summit '20)

請密切鎖定令人期待的 TFLite 最新公告。TFLite 目前已部署在數十億台生產環境中的裝置上。

Continue