前言:

   今天来看一下TensorFlow Lite 功能与特色 和开发流程
   

大纲 :

TensorFlow Lite 主要功能与特色

* 解译器已针对装置端的机器学习进行调整：
     支援一系列针对装置端应用程序进行最佳化的核心运算子，而且二进位档很小。
* 支援多元平台：
     包含 Android 和 iOS 装置、嵌入式 Linux 及微控制器，并善用平台 API 来加速推论。
     提供多种语言的 API：包含 Java、Swift、Objective-C、C++ 和 Python。
* 高效能：
     在支援的装置上执行硬体加速、提供针对装置进行最佳化的核心，以及预先融合的启用和偏误。
     模型最佳化工具：包含量化功能，可在不牺牲准确率的情况下，缩减模型的大小并提升效能。
* 有效率的模型格式：
     使用已为了缩减大小及提升可携性而进行最佳化的 FlatBuffer。
* 预先训练模型：
     适用於常见的机器学习工作，可针对应用程序进行自订。

TensorFlow lite 开发工作流程

1. 选择模型
   使用自己的 TensorFlow 模型、在线上寻找模型，或是从我们的预先训练模型中进行挑选，
   并选择直接套用或是重新训练。
2. 转换模型
   如果您使用的是自订模型，请使用 TensorFlow Lite 转换工具和几行 Python 程序码，
   将模型转换成 TensorFlow Lite 格式。
3. 部署至装置
   使用 TensorFlow Lite 解译器 (提供多种语言的 API) 在装置端执行模型。
4. 将模型最佳化
   使用我们的模型最佳化工具包来缩减模型大小并提高效率，且几乎不会影响准确率。

参考:

https://www.tensorflow.org/