TensorFlow Lite 指南
TensorFlow Lite 是一组工具，可帮助开发者在移动设备、嵌入式设备和 IoT 设备上运行 TensorFlow 模型。它支持设备端机器学习推断，延迟较低，并且二进制文件很小。
TensorFlow Lite 包括两个主要组件：
- TensorFlow Lite 解释器，它可在手机、嵌入式 Linux 设备和微控制器等很多不同类型的硬件上运行经过专门优化的模型。
- TensorFlow Lite 转换器，它可将 TensorFlow 模型转换为高效形式以供解释器使用，并可引入优化以减小二进制文件的大小和提高性能。
边缘机器学习
TensorFlow Lite 旨在让您轻松地在网络“边缘”的设备上执行机器学习，而无需在设备与服务器之间来回发送数据。对开发者来说，在设备端执行机器学习有助于：
- 缩短延迟：数据无需往返服务器
- 保护隐私：任何数据都不会离开设备
- 减少连接：不需要互联网连接
- 降低功耗：网络连接非常耗电
TensorFlow Lite 支持各种设备，从超小的微控制器到功能强大的手机
创建您自己的Android应用程序
如果您想快速编写您的Android代码, 我们推荐使用 Android 图像分类代码例子 作为起始点。
下面的部分包含了一些有关如何在Android上使用TensorFlow Lite的有用信息。
使用JCenter中的TensorFlow Lite AAR
如果您要在您的Android应用程序中使用TensorFlow Lite，我们推荐使用 在JCenter中托管的TensorFlow Lite AAR。
您可以像下面这样在您的build.gradle依赖中指定它:
dependencies {
implementation 'org.tensorflow:tensorflow-lite:0.0.0-nightly'
}
这个AAR包含了 Android ABIs中的所有的二进制文件。您可以通过只包含您需要支持的ABIs来减少您应用程序的二进制文件大小。
我们推荐大部分的开发者删简 x86，x86_64，和arm32 的ABIs。您可以通过如下的Gradle配置实现，这个配置只包括了 armeabi-v7a和arm64-v8a，该配置能涵盖住大部分的现代Android设备。
扫描二维码关注公众号，回复：
13042297 查看本文章
android {
defaultConfig {
ndk {
abiFilters 'armeabi-v7a', 'arm64-v8a'
}
}
}