本教程由深度学习中文社区(dl.tustcs.com)持续发布与更新.
TensorFlow Lite 是 TensorFlow 针对移动和嵌入式设备的轻量级解决方案。它允许您在低延迟的移动设备上运行机器学习模型,因此您可以利用它进行分类,回归或获取你想要的任何东西,而无需与服务器交互。在后面的时间里我们会推出一系列的TensorFlow与PyTorch的入门教程, 希望大家多多转发与关注。
目前,TensorFlow Lite 为 Android 和 iOS 设备提供了 C API,并且为 Android 开发人员提供了 Java Wrapper。此外,在 Android 设备上,解释器还可以使用 Android 经网络 API 进行硬件加速,否则它将默认为 CPU 执行。在本文中,我将重点介绍如何在 Android 应用中使用它。
TensorFlow Lite 包含一个运行时环境,我们可以在其上运行预先存在的模型,并且它还提供了一套工具,可以为移动和嵌入式设备准备模型。
TensorFlow Lite 目前尚未支持训练模型。我们可以在高性能的机器上训练模型,然后将该模型转换为 TFLITE 格式,最终将其加载到解释器中。
TensorFlow Lite 目前处于开发人员预览阶段,因此可能不支持 TensorFlow 模型中的所有操作。但是它支持常见的图像分类模型,包括 Inception 和 MobileNets。在本文中,您将了解如何在 Android 上运行 MobileNet 模型。该应用程序将查看相机信息并使用经过训练的 MobileNet 对图像进行分类。
将 TensorFlow Lite 与 MobileNets 配合使用
例如