ขอแนะนํา LiteRT Next: ชุด API ใหม่ที่ปรับปรุงและลดความซับซ้อนของการเพิ่มประสิทธิภาพฮาร์ดแวร์ในอุปกรณ์
การสนับสนุนหลายเฟรมเวิร์กด้วย TFLite
โมเดลแมชชีนเลิร์นนิง (ML) ที่คุณใช้กับ LiteRT สามารถฝึกได้
โดยใช้ JAX, PyTorch หรือ TensorFlow แล้วแปลงเป็น TFLite Flatbuffer
ดูหน้าต่อไปนี้สำหรับรายละเอียดเพิ่มเติม
ภาพรวมของ TFLite Converter ซึ่งเป็นองค์ประกอบสำคัญของ
การรองรับเฟรมเวิร์กต่างๆ ด้วย TFLite จะอยู่ในการแปลงโมเดล
ภาพรวม
เนื้อหาของหน้าเว็บนี้ได้รับอนุญาตภายใต้ใบอนุญาตที่ต้องระบุที่มาของครีเอทีฟคอมมอนส์ 4.0 และตัวอย่างโค้ดได้รับอนุญาตภายใต้ใบอนุญาต Apache 2.0 เว้นแต่จะระบุไว้เป็นอย่างอื่น โปรดดูรายละเอียดที่นโยบายเว็บไซต์ Google Developers Java เป็นเครื่องหมายการค้าจดทะเบียนของ Oracle และ/หรือบริษัทในเครือ
อัปเดตล่าสุด 2024-09-05 UTC
[[["เข้าใจง่าย","easyToUnderstand","thumb-up"],["แก้ปัญหาของฉันได้","solvedMyProblem","thumb-up"],["อื่นๆ","otherUp","thumb-up"]],[["ไม่มีข้อมูลที่ฉันต้องการ","missingTheInformationINeed","thumb-down"],["ซับซ้อนเกินไป/มีหลายขั้นตอนมากเกินไป","tooComplicatedTooManySteps","thumb-down"],["ล้าสมัย","outOfDate","thumb-down"],["ปัญหาเกี่ยวกับการแปล","translationIssue","thumb-down"],["ตัวอย่าง/ปัญหาเกี่ยวกับโค้ด","samplesCodeIssue","thumb-down"],["อื่นๆ","otherDown","thumb-down"]],["อัปเดตล่าสุด 2024-09-05 UTC"],[],[]]