Introducción a TensorFlow Lite

TensorFlow es una biblioteca de aprendizaje automático gratuita y de código abierto. TensorFlow fue creado por los desarrolladores e ingenieros de Google Brain Team como parte de la organización de investigación de inteligencia artificial de Google con el fin de realizar investigaciones de aprendizaje automático y redes neuronales profundas, pero la tecnología es lo suficientemente general como para usarse en una multitud de otros dominios.

Cuando uno usa TensorFlow para implementar y entrenar un algoritmo de aprendizaje automático, generalmente termina con un archivo modelo que ocupa mucho espacio de almacenamiento y necesita una GPU para ejecutar la inferencia. En la mayoría de los dispositivos móviles, los lujos como el gran espacio en disco y las GPU no se pueden utilizar. TensorFlow Lite es una solución para ejecutar modelos de aprendizaje automático en dispositivos móviles. 

TensorFlow Lite es una función especial y está diseñada principalmente para dispositivos integrados como los móviles. Esto utiliza un asignador de memoria personalizado para la latencia de ejecución y la carga mínima. También explica el nuevo formato de archivo compatible con Flat Buffers. TensorFlow Lite toma modelos existentes y los convierte en una versión optimizada dentro del tipo de archivo .tflite. 

Ventajas de TensorFlow Lite:

• Convierta modelos TensorFlow en modelos TensorFlow lite de forma rápida y sencilla para obtener modelos compatibles con dispositivos móviles.
• Con sencillez, crea aplicaciones de aprendizaje automático para dispositivos iOS y Android.
• A diferencia de las arquitecturas basadas en servidor, una alternativa más efectiva a la habilitación del modelo móvil.
• En dispositivos móviles, permite la inferencia fuera de línea.
• Tensorflow Lite permite ejecutar fácilmente modelos de aprendizaje automático en un teléfono inteligente, lo que permite realizar tareas tradicionales de aprendizaje automático sin la necesidad de una API o servidor externo. Como resultado, los modelos funcionarán en dispositivos que no estén conectados a Internet.

Desventajas de TensorFlow Lite:

• No optimiza el tamaño del modelo. Por lo tanto, los dispositivos móviles pueden requerir un almacenamiento más grande.
• En el proceso de TensorFlow Lite, el costo de la confiabilidad y la optimización se compensa con la precisión del modelo. Como resultado, los modelos TensorFlow Lite son menos precisos que sus contrapartes con funciones completas.

La arquitectura

a

como

• por
• t’s usedImages,
• es que trabajo,.

TensorFlow Lite vs. TensorFlow móvil 

TensorFlow Lite	TensorFlow móvil
Menos tamaño de archivo binario.	Tamaño máximo de archivo binario.
Mejor presentación.	Buen rendimiento
Admite conjuntos selectivos de operadores	Soporta Todo tipo de Operador

Por lo tanto, TensorFlow Lite supera a su predecesor TensorFlow Mobile en términos de consistencia y tamaño de archivo binario.

Aplicaciones de TensorFlow Lite:

• Dispositivos móviles (IOS y Android)
• Internet de las cosas (IOT)
• frambuesa pi