Skip to main content

> ML_KUTUPHANE // TENSORFLOW-LITE_v1.0

TensorFlow Lite

Google — Makine öğrenimi modellerini mobil ve uç cihazlarda dağıtın.

client-edge-embeddedv2.17.0Apache-2.0qualified
Resmi DokümantasyonKaynak Kod Deposu

Model Eğitimi (Training)

Desteklenmiyor

Bu kütüphane optimize edilmiş bir inference motorudur; model eğitimi için kullanılmaz.

Model Sunumu (Inference)

Destekleniyor
Inference Hızlandırıcıları:
CPUMPS
Hedef Ortamlar (Targets):mobile, edge
Kuantizasyon Formatları:Full Integer INT8, Float16, Dynamic range quantization

Neleri Sağlar (Ne Yapar)

  • +Mobil ve gömülü donanımlarda yüksek verimli cihaz içi derin öğrenme çıkarımı
  • +Android NNAPI, GPU gölgelendiricileri, Apple Metal ve Edge TPU donanımlarına delege etme
  • +Mikrodenetleyicilerde kilobaytlarca RAM ile çalışan TFLite Micro motoru

Neleri Sağlamaz (Ne Yapmaz)

  • -Cihaz üzerinde derin sinir ağları eğitme (çıkarım odaklıdır)
  • -Bulutta yüksek verimli LLM modelleri sunma
  • -ONNX/TF ara dönüşümü olmadan PyTorch modellerini doğrudan çalıştırma

>Uygun İş Tipleri

  • Android ve iOS üzerinde görsel sınıflandırma, yüz tanıma ve poz tahmini
  • Google Coral Edge TPU içeren akıllı kamera ve IoT aygıtları
  • Miliwatt altı güç bütçesine sahip mikrodenetleyici sensör çıkarımları

>Uygun Olmayan İş Tipleri

  • Bulut kurumsal temel model sunumu (vLLM tercih edin)
  • Klasik tablo makine öğrenimi
Veri Yerleşimi ve İkameti

%100 aygıt üzerinde yerel bellek.

Güvenlik Değerlendirmesi

FlatBuffers formatı, bellek ayrıştırma açıkları olmadan bellek eşlemeli (mmap) güvenli yürütme sağlar.

Operasyonel Metrikler ve Bilinen Kısıtlar

Olgunluk:mature
Öğrenme Eğrisi:low
Operasyon Yükü:low
Maliyet Seviyesi:free-oss
> Bilinen Kısıtlamalar:
  • Karmaşık modern üretici transformer mimarilerini TFLite formatına dönüştürmek sıklıkla operatör hatası verir.
  • Mobil LLM ekosistemi büyük oranda llama.cpp ve ExecuTorch'a kaymıştır.

İlişkili Üretim Arıza Paternleri (Incidentpedia)

Bu kütüphaneyi üretimde kullanırken aşağıdaki arıza senaryolarına karşı fail-closed korumalar uygulayın:

training-serving-skew

> Birincil Kanıt ve Doğrulama Kaynakları

TensorFlow Lite Documentationofficial-docs • >=2.14.0, <=2.17.x
2026-09-25HIGH