TensorFlow Lite 使用轉換成更小、更有效率的機器學習 (ML) 模型格式的 TensorFlow 模型。您可以搭配 TensorFlow Lite 使用預先訓練的模型、修改現有模型，或是建構您自己的 TensorFlow 模型，然後將其轉換為 TensorFlow Lite 格式。TensorFlow Lite 模型幾乎可以執行一般 TensorFlow 模型可以執行的任何工作：物件偵測、自然語言處理、模式辨識等等，並使用各種輸入資料，包括圖片、影片、音訊和文字。
學習藍圖
已有 TensorFlow 模型？
跳至「轉換」章節，瞭解如何讓您的模型透過 TensorFlow Lite 執行。需要 TensorFlow Lite 模型？
如需取得適用於您使用案例的模型指南，請繼續閱讀。取得 TensorFlow Lite 模型
您不必建構 TensorFlow Lite 模型，即可開始在行動或邊緣裝置上使用機器學習。許多已建構並最佳化的模型都可供您立即在應用程式中使用。您可以從在 TensorFlow Lite 中使用預先訓練的模型開始，然後隨著時間進展，逐步建構自訂模型，如下所示：
- 開始使用已訓練的模型開發機器學習功能。
- 使用 Model Maker 等工具修改現有的 TensorFlow Lite 模型。
- 使用 TensorFlow 工具建構自訂模型，然後將其轉換為 TensorFlow Lite。
針對快速工作使用模型：ML Kit
如果您嘗試透過機器學習快速實作功能或公用程式工作，則應先檢閱 ML Kit 支援的使用案例，再開始使用 TensorFlow Lite 進行開發。這個開發工具提供您可以直接從行動應用程式呼叫的 API，以完成常見的 ML 工作，例如條碼掃描和裝置端翻譯。使用此方法可協助您快速獲得成果。不過，ML Kit 擴充功能的選項有限。如需更多資訊，請參閱 ML Kit 開發人員文件。
為您的應用程式建構模型：限制
如果您最終目標是為您的特定使用案例建構自訂模型，則應從開發和訓練 TensorFlow 模型或擴充現有模型開始。在開始模型開發流程之前，您應注意 TensorFlow Lite 模型的限制，並在建構模型時將這些限制納入考量：
- 運算能力有限
- 模型大小
- 資料大小
- 支援的 TensorFlow 運算
如需這些限制中每一項的詳細資訊，請參閱模型建構總覽中的「模型設計限制」。如需更多關於為 TensorFlow Lite 建構有效、相容且高效能模型資訊，請參閱「效能最佳做法」。