TensorFlow Lite开发之——入门指南(1)

一 概述

• TensorFlow Lite介绍
• TensorFlow Lite特性
• 开发流程

二 TensorFlow Lite介绍

2.1 TensorFlow与TensorFlow Lite

1-TensorFlow

• 端到端机器学习平台
• 主要编程语言：Python
• 借助 TensorFlow，轻松创建可在任何环境中运行的机器学习模型
• TensorFlow用于推进研究并构建 AI 赋能的应用

2-TensorFlow Lite

• TensorFlow Lite 是一个移动端库
• 可用于在移动设备、微控制器和其他边缘设备上部署模型
• 适用于移动设备和边缘用例的 TF Lite 优化模型和设备端机器学习解决方案

2.2 TensorFlow Lite介绍

• TensorFlow Lite 是一组工具
• 可帮助开发者在移动设备、嵌入式设备和 loT 设备上运行模型，以便实现设备端机器学习

三 TensorFlow Lite特性

3.1 优势

1. 延时（数据无需往返服务器）
2. 隐私（没有任何个人数据离开设备）
3. 连接性（无需连接互联网）
4. 大小（缩减了模型和二进制文件的大小）
5. 功耗（高效推断，且无需网络连接）

3.2 支持平台

• Android设备
• iOS 设备
• 嵌入式 Linux
• 微控制器

四 开发流程

4.1 添加依赖

1-android端

dependencies {
    implementation 'org.tensorflow:tensorflow-lite:0.0.0-nightly'
}

2-ios端

use_frameworks!
pod 'TensorFlowLiteSwift'

4.2 创建 TensorFlow Lite 模型

TensorFlow Lite 模型由“.tflite”文件扩展名标识，通过以下方式生成TensorFlow Lite 模型

• 使用现有的 TensorFlow Lite 模型
• 创建 TensorFlow Lite 模型
• 将 TensorFlow 模型转换为 TensorFlow Lite 模型

4.3 运行推断

执行 TensorFlow Lite 模型，根据输入数据进行预测

五 TensorFlow Lite示例项目

No	模型	描述	示例
1	自动补全	使用Keras语言模型为文本输入生成建议	示例应用
2	图像分类	识别数百个对象，包括人、活动、动物、植物和地点	示例应用
3	对象检测	使用边界框检测多个对象。比如侦测狗和猫	示例应用
4	姿势估计	比如单人或多人的姿势	示例应用
5	语言识别	通过识别关键字来识别语音指令	示例应用
6	手势识别	使用网络摄像头识别手势	示例应用
7	分割	通过极为准确的定位功能和语义标签，精确确定对象的形状	示例应用
8	文本分类	将自由文本归类到预定义组中。包括污辱性内容	示例应用
9	设备端建议	根据用户选择的事件提供个性化的设备端建议	示例应用
10	自然语言处理回答问题	通过BERT根据给定文本段落的内容回答问题	示例应用
11	数字分类器	对手写数字进行分类	示例应用
12	风格迁移	在输入图像上应用任意样式，创建新的艺术图像	示例应用
13	智能回复	生成回复建议以输入对话聊天消息	示例应用
14	超分辨率	根据低分辨率图像生成超分辨率图像	示例应用
15	音频分类	使用麦克风对音频进行分类	示例应用
16	视频分类	识别视频片段中的人体动作	示例应用
17	强化学习	使用强化学习训练游戏代理	示例应用
18	光学字符识别	借助TensorFlow Lite，从图像中提取文字	示例应用
19	设备端训练	在设备上训练TensorFlow Lite模	示例应用

六 参考

• TensorFlow官网
• TensorFlow Lite官网
• TensorFlow Lite指南
• TensorrFlow Lite示例应用