TensorFlow Lite简介

最新推荐文章于 2025-07-03 10:08:53 发布

wjxbless

最新推荐文章于 2025-07-03 10:08:53 发布

阅读量5.5k

点赞数 2

CC 4.0 BY-SA版权

分类专栏：移动端机器学习

本文为博主原创文章，未经博主允许不得转载。

本文链接：https://blog.youkuaiyun.com/qq_39424143/article/details/104159288

移动端机器学习专栏收录该内容

1 篇文章

订阅专栏

本文详细介绍TensorFlow Lite的工作原理，包括模型转换、加载及调用流程。解析如何使用TensorFlow Lite转换器将现有模型转为轻量化格式，并在移动或嵌入式设备上运行。涵盖API介绍、解释器功能及硬件加速机制。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

组成

在这里插入图片描述

TendorFlow Lite转换器：用于将已经存在的模型转换为TensorFlow Lite兼容的模型(.tflite)，并将训练的模型保存在硬盘上。还可以在移动或者嵌入式应用程序中使用提前训练的模型
Java/C++ API：用于载入.tflite模型并调用解释器。Java API是在C++ API上进行的封装，只能应用在Android系统。
解释器和内核：内核帮助解释器根据选择载入内核模块，核心解释器大小为75KB
硬件加速的代理：在所选的Android设备上，解释器将会使用Android神经网络API 来实现硬件加速，如果NNAPI不可用，就会使用CPU进行默认加速

支持的平台

在这里插入图片描述

使用TensorFlowLite

可以直接运行官网的demo
官方示例

在官方的github上clone项目打开examples\lite\examples下的demo，使用Android studio打开运行即可

准备一个模型使用下面的脚本将该模型转换为TensorFlowLite格式

import sys
from tf.contrib.lite import convert_save_model
convert_savemodel.convert(
        save_model_dir="filepath"
        output_tfilte_file="filepath")