前言:

   今天來看一下TensorFlow Lite 功能與特色 和開發流程
   

大綱 :

TensorFlow Lite 主要功能與特色

* 解譯器已針對裝置端的機器學習進行調整：
     支援一系列針對裝置端應用程式進行最佳化的核心運算子，而且二進位檔很小。
* 支援多元平台：
     包含 Android 和 iOS 裝置、嵌入式 Linux 及微控制器，並善用平台 API 來加速推論。
     提供多種語言的 API：包含 Java、Swift、Objective-C、C++ 和 Python。
* 高效能：
     在支援的裝置上執行硬體加速、提供針對裝置進行最佳化的核心，以及預先融合的啟用和偏誤。
     模型最佳化工具：包含量化功能，可在不犧牲準確率的情況下，縮減模型的大小並提升效能。
* 有效率的模型格式：
     使用已為了縮減大小及提升可攜性而進行最佳化的 FlatBuffer。
* 預先訓練模型：
     適用於常見的機器學習工作，可針對應用程式進行自訂。

TensorFlow lite 開發工作流程

1. 選擇模型
   使用自己的 TensorFlow 模型、在線上尋找模型，或是從我們的預先訓練模型中進行挑選，
   並選擇直接套用或是重新訓練。
2. 轉換模型
   如果您使用的是自訂模型，請使用 TensorFlow Lite 轉換工具和幾行 Python 程式碼，
   將模型轉換成 TensorFlow Lite 格式。
3. 部署至裝置
   使用 TensorFlow Lite 解譯器 (提供多種語言的 API) 在裝置端執行模型。
4. 將模型最佳化
   使用我們的模型最佳化工具包來縮減模型大小並提高效率，且幾乎不會影響準確率。

參考:

https://www.tensorflow.org/