内容 隐藏
1 适用于移动开发的 TensorFlow Lite：在嵌入式和移动设备上部署机器学习模型
2 TensorFlow Lite for Mobile Development: Deploy Machine Learning Models on Embedded and Mobile Devices
2.1 视频说明

适用于移动开发的 TensorFlow Lite：在嵌入式和移动设备上部署机器学习模型

TensorFlow Lite for Mobile Development: Deploy Machine Learning Models on Embedded and Mobile Devices

 视频说明

使用 TensorFlow Lite （TFLite） 在嵌入式和移动设备上更轻松、更高效地部署机器学习模型。TFLite 是由 Google 开发的开源深度学习框架。
深入了解系统架构，了解如何以及何时使用 TFLite 的每个组件。在第一部分中，您将了解 TFLite 与标准 TensorFlow 和 TFMobile 等其他产品的不同之处。在下一节中，您将了解 TFLite 中提供的预训练模型，以及如何使用该预训练模型来构建自己的模型。您还将学习如何将 TensorFlow 模型转换为 TFLite 格式并对其进行训练。之后，您将介绍迁移学习的概念，以及如何应用迁移学习来训练预先训练的模型，以在 TFLite 中执行一些自定义任务。
训练模型后，您将使用 TFLite 解释器在移动平台上运行机器学习模型。在此过程中，您将回顾一个简单的 Android 应用，它将帮助您开始在移动设备上使用 TFLite。在移动设备上运行机器学习模型确实令人兴奋，但也会带来挑战，因此，您需要优化模型以减小应用程序的大小。
最后，您将学习如何在 Raspberry Pi 等嵌入式设备上运行 TFLite。总体而言，此视频将帮助任何想要开始学习 TFLite 并使用 TFLite 训练自己的机器学习模型的人。观看此视频后，您可以将新学到的 TFLite 技能应用到自己的项目中。
 您将学习什么
  • 在移动设备上运行任何机器学习模型
  • 在 Raspberry Pi 上试验机器学习项目
  • 创建基于机器学习的移动应用程序
此视频适用于谁
在这些领域工作的数据科学家、软件工程师和学生将找到有关在当前移动开发环境中使用机器学习模型的有用信息。
声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。