- 综合排序
- 最热优先
- 最新优先
- 来自专栏GiantPandaCV
深度学习算法优化系列六 | 使用TensorFlow-Lite对LeNet进行训练时量化
附录 Tensorflow-Lite官方文档：https://tensorflow.google.cn/lite Tensorflow后量化官方实例：https://github.com/tensorflow
2K20发布于 2020-02-10 - 来自专栏GiantPandaCV
深度学习算法优化系列五 | 使用TensorFlow-Lite对LeNet进行训练后量化
附录 Tensorflow-Lite官方文档：https://tensorflow.google.cn/lite Tensorflow后量化官方实例：https://github.com/tensorflow
1.9K10发布于 2020-01-21 - 来自专栏Phoenix的Android之旅
在Android上用AI识别物体
Google的Tensorflow在Android上做了专门的框架 - Tensorflow-Lite，它能够在移动端上高性能地运算AI模型。 首先需要在app的build.gradle里引入它 dependencies { implementation 'org.tensorflow:tensorflow-lite:1.10.0' }
4.9K60发布于 2018-12-19 - 来自专栏数据结构和算法
使用Python实现深度学习模型：跨平台模型移植与部署
可以使用以下命令安装： pip install tensorflow tensorflow-lite 步骤二：训练深度学习模型 我们将使用MNIST数据集训练一个简单的卷积神经网络（CNN）模型。
34910编辑于 2024-07-11 - 来自专栏大龄程序员的人工智能之路
Android上的TensorFlow Lite，了解一下？
构建TensorFlow Lite Android应用程序 要构建使用TensorFlow Lite的Android应用程序，您需要做的第一件事就是将tensorflow-lite库添加到应用程序中。 这可以通过将以下行添加到build.gradle文件的依赖项部分来完成： compile ‘org.tensorflow:tensorflow-lite:+’ 完成此操作后，您可以导入TensorFlow
2.4K40发布于 2019-07-02 - 来自专栏AI科技大本营的专栏
首次在手机端不牺牲准确率实现BERT实时推理，比TensorFlow-Lite快近8倍，每帧只需45ms
相比于TensorFlow-Lite(TFLite), CANAO框架在速度方面提升了7.8倍，延迟仅为45ms，首次实现在手机端的高准确率（几乎不牺牲准确率）、实时自然语言处理任务。 ?
1.9K10发布于 2020-09-22 - 来自专栏人人都是极客
【免费教学】在嵌入式中使用 TensorFlow Lite
mobilenet_v1_0.75_224.tflite 文件（直接在 TF Lite 运行即可） 具体的开发 声明依赖 第一步就是在项目的 Gradle 文件中加入 org.tensorflow:tensorflow-lite
1.8K30发布于 2018-07-26 - 来自专栏新智元
用老旧骁龙855玩转「马保国」实时动作检测！CoCoPIE获红杉种子领投
3000ec027ac34ad4bb617dd52caab981.pdf CoCoPIE保持着数个移动设备AI的记录： 首次支持所有类型的DNN，包括CNN、RNN、转化器和语言模型等； 最快的DNN修剪和加速框架，比目前的框架（如TensorFlow-Lite 结果表明，与PyTorch、 TensorFlow-Lite和MNN相比，CoCoPIE在所有的DNN上都表现最优。
97420发布于 2021-08-25 - 来自专栏AI-vell
编译tensorflow-lite-with-select-tf-ops遇到的坑
前言 最近在将tf训练的模型迁移到Android端，使用的是tensorflow-lite，由于模型用到了一些tflite还没有支持的op，所以需要让tflite支持tf的op，官方没有直接给出aar，
6.1K141发布于 2018-12-28 - 来自专栏Phoenix的Android之旅
几个入门移动端AI的基础知识
关键在于我们移动端开发它也支持，Tensorflow推出了 Tensorflow-Lite，专门为移动端AI开发。
1.1K20发布于 2019-05-17 - 来自专栏Python深度学习
使用Python实现深度学习模型：跨平台模型移植与部署
可以使用以下命令安装：pip install tensorflow tensorflow-lite步骤二：训练深度学习模型我们将使用MNIST数据集训练一个简单的卷积神经网络（CNN）模型。
70310编辑于 2024-07-10 - 来自专栏Python与算法之美
使用tensorflow-serving部署模型
通过 tensorflow-lite 可以在移动和嵌入式设备上加载并运行TensorFlow模型。
1.6K20发布于 2020-07-20 - 来自专栏数据结构和算法
使用Python实现深度学习模型：在嵌入式设备上的部署
可以使用以下命令安装：pip install tensorflow tensorflow-lite步骤二：训练深度学习模型我们将使用MNIST数据集训练一个简单的卷积神经网络（CNN）模型。
2K11编辑于 2024-07-11 - 来自专栏QQ音乐技术团队的专栏
深度学习落地移动端——Q音探歌实践(一)
可以看到在iOS上，使用Metal是主流，包括Tensorflow-Lite和Pytorch Mobile都使用了这种方案。而Android端的选择则要复杂的多。 Android iOS NCNN vulkan vulkan(需要额外引入三方库) MNN vulkan,OpenGL ES,OpenCL Metal MACE OpenCL OpenCL Tensorflow-Lite
2.3K20编辑于 2023-03-01 - 来自专栏程序你好
深度学习框架机器学习的开源库TensorFlow
Google 最近发布了一个移动优化的 TensorFlow-Lite 库，用于在 Android 上运行 TensorFlow 应用程序。 Android 现在，有一个新的、经过优化的 TensorFlow-Lite Android 库可用于运行 TensorFlow 应用程序。
1.6K10发布于 2018-07-20 - 来自专栏CVer
超越YOLOv4-tiny！比YOLOv3快7倍！YOLObile：移动端上的目标检测
现在主流的移动端DNN推理加速框架，如TensorFlow-Lite，MNN和TVM都只能支持CPU或GPU单独运算，因此也导致了潜在的计算资源浪费。
2.3K41发布于 2020-09-28 Kotlin与机器学习实战：Android端集成TensorFlow Lite全指南
noCompress "tflite" // 防止模型文件被压缩 }}dependencies { // TFLite核心库 implementation("org.tensorflow:tensorflow-lite
65910编辑于 2025-05-17- 来自专栏程序员IT圈
百度跨平台 AI 推理加速引擎 -- Anakin
Xeon(R) CPU E5-2650 v4 @ 2.20GHz 2620-v4：Intel(R) Xeon(R) CPU E5-2620 v4 @ 2.10GHz （3）在移动端ARM上，我们选取Tensorflow-lite
1.6K40发布于 2018-08-16 - 来自专栏OpenCV与AI深度学习
在Android上使用YOLOv8目标检测(步骤+代码）
应用程序/build.gradle.kts implementation("org.tensorflow:tensorflow-lite:2.14.0") implementation("org.tensorflow
5.4K10编辑于 2024-07-25 - 来自专栏喔家ArchiSelf
浅谈人工智能的学习
TensorFlow2.0是一个主要的里程碑，其重点是易用性，支持分布式策略和边缘部署（tensorflow-lite和tensorflow.js）等。
1.3K40发布于 2019-05-10
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号