机器学习部署嵌入式_如何在移动和嵌入式设备上部署机器学习模型

2401_84925977

于 2024-05-13 13:50:50 发布

阅读量618

点赞数 13

分类专栏：程序员文章标签： go 学习面试

本文链接：https://blog.csdn.net/2401_84925977/article/details/138800188

版权

程序员专栏收录该内容

60 篇文章 0 订阅

订阅专栏

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上Go语言开发知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

如果你需要这些资料，可以戳这里获取

介绍 (Introduction)

Thanks to libraries such as Pandas, scikit-learn, and Matplotlib, it is relatively easy to start exploring datasets and make some first predictions using simple Machine Learning (ML) algorithms in Python. Although, to make these trained models useful in the real world, it is necessary to make them available to make predictions on either the Web or Portable devices.

多亏了Pandas，scikit-learn和Matplotlib等库，使用Python中的简单机器学习(ML)算法开始探索数据集并做出一些初步预测相对容易。虽然，为了使这些训练有素的模型在现实世界中有用，有必要使它们可用于在Web或便携式设备上进行预测。

In two of my previous articles, I explained how to create and deploy a simple Machine Learning model using Heroku/Flask and Tensorflow.js. Today, I will instead explain to you how to deploy Machine Learning models on Smartphones and Embedded Devices using TensorFlow Lite.

在前两篇文章中，我解释了如何使用Heroku / Flask和Tensorflow.js创建和部署简单的机器学习模型。今天，我将向您解释如何使用TensorFlow Lite在智能手机和嵌入式设备上部署机器学习模型。

TensorFlow Lite (TensorFlow Lite)

TensorFlow Lite is a platform developed by Google to train Machine Learning models on mobile, IoT (Interned of Things) and embedded devices.

TensorFlow Lite是Google开发的一个平台，用于在移动，IoT(物联网)和嵌入式设备上训练机器学习模型。

Using TensorFlow Lite, all the workflow is executed within the device, which avoids having to send data back and forth from a server. Some of the main advantages of doing this are:

使用TensorFlow Lite，所有工作流程都在设备内执行，从而避免了必须从服务器来回发送数据的情况。这样做的一些主要优点是：