tflite micro

• TensorFlow Lite pour les microcontrôleurs
• Statut de construction
  • Construction officielle
  • Exemples TFLM soutenus par la communauté
  • Noyaux et tests unitaires soutenus par la communauté
• Contributif
• Obtenir de l'aide
• Documentation supplémentaire
• RFC

TensorFlow Lite pour les microcontrôleurs

TensorFlow Lite pour les microcontrôleurs est un port de TensorFlow Lite conçu pour exécuter des modèles d'apprentissage automatique sur les DSP, les microcontrôleurs et autres appareils à mémoire limitée.

Liens supplémentaires:

• Référentiel Github TensorFlow
• Tflm sur tensorflow.org

Statut de construction

• Statut de github

Construction officielle

Type de construction	Statut
CI (Linux)
Synchronisation du code

Exemples TFLM soutenus par la communauté

Ce tableau capture des plates-formes sur lesquelles TFLM a été portée. Veuillez consulter la nouvelle prise en charge de la plate-forme pour une documentation supplémentaire.

Plate-forme	Statut
Arduino
Coral Dev Board Micro	Exemples TFLM + Edgetpu pour Coral Dev Board Micro
Boards de développement des systèmes ESPRESSIF
Boards de Renesas	Exemples TFLM pour les conseils de Renesas
Kits de développement de Silicon Labs	Exemples TFLM pour les kits de développement de Silicon Labs
Edge Sparkfun
Hexagone
RISC-V
Xtensa
Générer un test d'intégration

Contributif

Voir notre documentation de contribution.

Obtenir de l'aide

Un problème GitHub devrait être la principale méthode pour contacter l'équipe TensorFlow Lite Micro (TFLM).

Les ressources suivantes peuvent également être utiles:

1. SIG Micro Email Group et Rentures mensuelles.

2. Salle de chat Sig Micro Gitter.

3. Pour des questions qui ne sont pas spécifiques au TFLM, veuillez consulter le projet TensorFlow plus large, par exemple:

   • Créer un sujet sur le forum du discours Tensorflow
   • Envoyer un e-mail à la liste de diffusion Tensorflow Lite
   • Créer un problème TensorFlow
   • Créer un problème de boîte à outils d'optimisation du modèle

Documentation supplémentaire

• Intégration continue
• Repères
• Profilage
• Gestion de la mémoire
• Enregistrement
• Portage des noyaux de référence de Tflite à Tflm
• Implémentations optimisées du noyau
• NOUVELLE PRIdécifiée
• Prise en charge de la plate-forme / IP
  • Prise en charge IP du bras
• Émulation de logiciels avec Renode
• Émulation de logiciel avec Qemu
• Guide Python Dev
• Fichiers générés automatiquement
• Guide d'interprète Python

RFC

1. Tenseurs pré-alloués
2. TensorFlow Lite pour les microcontrôleurs Port des opérateurs quantifiés 16x8