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。

查看範例

探索 TensorFlow Lite Android 版和 iOS 版應用程式。

查看教學課程

瞭解如何將 TensorFlow Lite 用於常見用途。

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

探索適合行動裝置與邊緣用途的最佳化 TF Lite 模型和裝置上機器學習解決方案。

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,直接從你的收件匣收取最新公告。

2021 年 5 月 20 日  
探索 TensorFlow Lite for Microcontrollers 實驗,並參與 TF Micro 挑戰

造訪網站以查看結合 Arduino 和 TensorFlow 打造絕佳體驗和實用工具的專案。網站上有一些實用的連結,可協助你瞭解如何自行建立實驗,以及如何參與 TF Micro 挑戰。

2021 年 5 月 20 日  
使用 TensorFlow Lite 訓練自己的自訂物件偵測模型

瞭解如何訓練自訂物件偵測模型,並使用少數幾行程式碼將其部署到 Android 應用程式。只要有 Android Studio 和網路瀏覽器就能使用,不需要具備機器學習方面的知識。

2021 年 5 月 18 日  
探索裝置上機器學習網站

探索可協助你在行動和網頁應用程式中整合機器學習技術的解決方案,並採取新的 Google Developers 學習途徑,引導你導入常見的機器學習應用情境和自訂用途。

2021 年 5 月 18 日  
將 TensorFlow Lite 模型輕鬆部署到網路 (Google I/O 大會)

如要彌補行動和網路機器學習開發之間的鴻溝,你可以利用 WebAssembly 的強大功能,輕鬆在網路上部署 TensorFlow Lite 工作程式庫。

Continue