期限 | 说明 |
---|---|
Android Studio | 用于 Android 应用开发的官方集成式开发环境 (IDE)。 |
CocoaPods | 此处使用的依赖项管理器用于 iOS 应用开发;为 Swift 和 Objective-C Cocoa 项目提供外部库管理的标准格式。 |
Core ML | Apple 产品中使用的机器学习框架。您可以将 TensorFlow Lite 模型转换为 CoreML 格式,以便在 Apple 设备上使用。 |
容器(“导出到 Docker/容器”) | 图片的运行时实例;这是使用 AutoML Vision Edge 时适用于您的模型的一个导出选项。 |
边缘设备 | 在云平台以外提供计算能力的设备。对于隐私/机密、低延迟时间的需求以及带宽限制推动着用户对于使用我们的模型在这些设备上执行预测的需要。计算和功率限制造就了专门针对这些因素而生的模型。 |
Edge TPU | 一种边缘设备;Google 专门为在边缘进行推理而打造的应用专用集成电路 (ASIC)。仅支持 .tflite 模型。 |
Firebase | 移动和 Web 应用开发平台。 |
FlatBuffer | 与协议缓冲区类似,但主要区别在于,FlatBuffer 省去了在访问数据(往往与各对象的内存分配相结合)之前解析/解压为二级表示法的步骤。 |
物联网 (IoT) | 物联网(IoT);使用嵌入在物理环境中且接入网络的设备,来改进现有流程或启用以前无法实现的新场景。 |
机器学习套件 | 机器学习套件会充当您的自定义模型的 API 层;这是一种移动软件开发套件 (SDK),可让您在设备上使用自定义模型。 |
Pillow | Python Imaging Library (PIL) 为您的 Python 解释器添加了图像处理功能;Pillow 是基本 PIL 的修订版本。 |
协议缓冲区(“protobuf”) | 用于对结构化数据进行序列化的 Google 可扩展机制,该机制独立于语言和平台。与 FlatBuffer 相似。 |
TensorFlow | TensorFlow 是用于机器学习的端到端开源平台;是用于创建机器学习模型的软件。 |
TensorFlow lite 模型 (TF Lite/model.tflite ) |
经过压缩以在移动设备和嵌入式设备上使用的 TensorFlow ML 模型。
|
tf.session() |
使用 TensorFlow 模型运行 TensorFlow 操作的类。 |
Xcode | Xcode 是面向 macOS 的集成式开发环境 (IDE),包含一套由 Apple 开发且用于开发 macOS、iOS、watchOS 和 tvOS 软件的软件开发工具。 |
如未另行说明,那么本页面中的内容已根据知识共享署名 4.0 许可获得了许可,并且代码示例已根据 Apache 2.0 许可获得了许可。有关详情,请参阅 Google 开发者网站政策。Java 是 Oracle 和/或其关联公司的注册商标。
最后更新时间 (UTC):2023-02-10。
[{
"type": "thumb-down",
"id": "hardToUnderstand",
"label":"Hard to understand"
},{
"type": "thumb-down",
"id": "incorrectInformationOrSampleCode",
"label":"Incorrect information or sample code"
},{
"type": "thumb-down",
"id": "missingTheInformationSamplesINeed",
"label":"Missing the information/samples I need"
},{
"type": "thumb-down",
"id": "translationIssue",
"label":"翻译问题"
},{
"type": "thumb-down",
"id": "otherDown",
"label":"其他"
}]
[{
"type": "thumb-up",
"id": "easyToUnderstand",
"label":"易于理解"
},{
"type": "thumb-up",
"id": "solvedMyProblem",
"label":"解决了我的问题"
},{
"type": "thumb-up",
"id": "otherUp",
"label":"其他"
}]