tflite micro

• Tensorflow lite untuk mikrokontroler
• Bangun status
  • Bangunan resmi
  • Komunitas mendukung contoh TFLM
  • Kernel yang didukung masyarakat dan tes unit
• Berkontribusi
• Mendapatkan bantuan
• Dokumentasi tambahan
• RFCS

Tensorflow lite untuk mikrokontroler

TensorFlow Lite for Microcontrollers adalah port TensorFlow Lite yang dirancang untuk menjalankan model pembelajaran mesin pada DSP, mikrokontroler, dan perangkat lain dengan memori terbatas.

Tautan tambahan:

• Repositori TensorFlow GitHub
• Tflm di tensorflow.org

Bangun status

• Status GitHub

Bangunan resmi

Tipe Bangun	Status
CI (Linux)
Sinkronisasi Kode

Komunitas mendukung contoh TFLM

Tabel ini menangkap platform yang telah diangkut TFLM. Silakan lihat dukungan platform baru untuk dokumentasi tambahan.

Platform	Status
Arduino
Mikro Dev Board Coral	TFLM + EDGETPU Contoh untuk Coral Dev Board Micro
Espressif Systems Dev Boards
Papan Renesas	Contoh TFLM untuk Papan Renesas
Silicon Labs Dev Kits	Contoh TFLM untuk Silicon Labs Dev Kits
Tepi Sparkfun
Segi enam
Risc-v
Xtensa
Hasilkan Tes Integrasi

Berkontribusi

Lihat dokumentasi kontribusi kami.

Mendapatkan bantuan

Masalah GitHub harus menjadi metode utama untuk berhubungan dengan tim Tensorflow Lite Micro (TFLM).

Sumber daya berikut mungkin juga berguna:

1. Grup email mikro sig dan pertemuan bulanan.

2. Sigro Micro Gitter Chat Room.

3. Untuk pertanyaan yang tidak spesifik untuk TFLM, silakan berkonsultasi dengan proyek TensorFlow yang lebih luas, misalnya:

   • Buat topik di Forum Wacana TensorFlow
   • Kirim email ke milis TensorFlow Lite
   • Buat masalah TensorFlow
   • Buat Masalah Toolkit Optimasi Model

Dokumentasi tambahan

• Integrasi berkelanjutan
• Tolok ukur
• Profil
• Manajemen memori
• Logging
• Porting referensi kernel dari tflite ke tflm
• Implementasi kernel yang dioptimalkan
• Dukungan platform baru
• Dukungan platform/IP
  • Dukungan IP ARM
• Emulasi Perangkat Lunak dengan Renode
• Emulasi Perangkat Lunak dengan QEMU
• Panduan Dev Python
• File yang dihasilkan secara otomatis
• Panduan Interpreter Python

RFCS

1. Tensor yang dialokasikan sebelumnya
2. TensorFlow Lite untuk Mikrokontroler Port 16x8 Operator Terkuantisasi