tflite micro

• TensorFlow Lite para microcontroladores
• Estado de construcción
  • Construcciones oficiales
  • Ejemplos de TFLM apoyados por la comunidad
  • Núcleos apoyados por la comunidad y pruebas unitarias
• Que contribuye
• Obtener ayuda
• Documentación adicional
• RFCS

TensorFlow Lite para microcontroladores

Tensorflow Lite para microcontroladores es un puerto de tensorflow lite diseñado para ejecutar modelos de aprendizaje automático en DSP, microcontroladores y otros dispositivos con memoria limitada.

Enlaces adicionales:

• Repositorio de tensorflow github
• Tflm en tensorflow.org

Estado de construcción

• Estado de github

Construcciones oficiales

Tipo de construcción	Estado
CI (Linux)
Sincronización del código

Ejemplos de TFLM apoyados por la comunidad

Esta tabla captura plataformas a las que se ha portado TFLM. Consulte el soporte de la nueva plataforma para la documentación adicional.

Plataforma	Estado
Arduino
Coral Dev Board Micro	TFLM + EDGETPU Ejemplos para Coral Dev Board Micro
Tableros de desarrollo de sistemas de espressif
Tablas de Renesas	Ejemplos de TFLM para tableros Renesas
Kits de desarrollo de Silicon Labs	Ejemplos de TFLM para kits de desarrollo de Silicon Labs
Borde de chispa
Hexágono
RISC-V
Xtensa
Generar prueba de integración

Que contribuye

Vea nuestra documentación de contribución.

Obtener ayuda

Un problema de GitHub debe ser el método principal para ponerse en contacto con el equipo TensorFlow Lite Micro (TFLM).

Los siguientes recursos también pueden ser útiles:

1. Sig Micro Correo electrónico y reuniones mensuales.

2. Siga de chat de Sig Micro Gitter.

3. Para las preguntas que no son específicas de TFLM, consulte el proyecto TensorFlow más amplio, por ejemplo:

   • Crea un tema en el foro de discurso de TensorFlow
   • Envíe un correo electrónico a la lista de correo TensorFlow Lite
   • Crea un problema de tensorflow
   • Cree un problema del conjunto de herramientas de optimización de modelos

Documentación adicional

• Integración continua
• Puntos de referencia
• Perfil
• Gestión de la memoria
• Explotación florestal
• Porting Kernels de referencia de TFLITE a TFLM
• Implementaciones de núcleo optimizadas
• Soporte de nuevo plataforma
• Soporte de plataforma/IP
  • Soporte de IP del brazo
• Emulación de software con renodo
• Emulación de software con QEMU
• Guía de desarrollo de python
• Archivos generados automáticamente
• Guía de intérprete de Python

RFCS

1. Tensores previamente asignados
2. TensorFlow Lite para el puerto de microcontroladores de operadores cuantificados de 16x8