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。

运行原理

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  

常见问题的解决方案

探索帮助解决常见移动和边缘用例的优化模型。

查看所有用例  
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。

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.

社区参与

查看参与 TensorFlow 社区活动的更多方式。

社区  
GitHub 上的 TensorFlow Lite 
在 Stack Overflow 上提问 
社区论坛 
分享您的 TensorFlow Lite 故事

我们的一些 TensorFlow Lite 用户

查看案例研究  
Google Photos
Gboard
Gmail
Google Assistant
VSCO
Shazam
Nest
Lose it

新闻和通告

欢迎查看我们的博客，了解其他动态；以及订阅 TensorFlow 每月简报，直接通过邮箱接收最新公告。

注册  
Udacity 发布免费的《TensorFlow Lite 简介》课程
了解详情  
2020 年 4 月 8 日 
通过 TensorFlow 模型优化工具包进行量化感知训练

借助量化感知训练，您可以充分发挥量化的性能和规模优势，对模型进行训练和部署，同时尽量保持原本的准确性。

阅读博客  
2020 年 4 月 2 日 
TensorFlow Lite Core ML delegate 提高了在 iPhone 和 iPad 上进行推断的速度

宣布推出新版 TensorFlow Lite delegate，它使用的是 Apple 的 Core ML API，可通过 Neural Engine 提高浮点模型的运行速度。

阅读博客  
2020 年 3 月 13 日 
TensorFlow Lite：适用于移动设备和 IoT 设备的机器学习技术（2020 年 TensorFlow 开发者峰会）

敬请关注 TFLite 新公告，TFLite 现已部署到数十亿生产环境中的设备。

观看该视频  
Continue

开始使用 TensorFlow Lite

探索指南