TensorFlow Lite 使用轉換為更小、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，或建立您自己的 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
有 TensorFlow 模型嗎？
跳至「轉換」一節，瞭解如何讓您的模型在 TensorFlow Lite 上執行。需要 TensorFlow Lite 模型嗎？
如需取得適用於您的使用情境的模型相關指南，請繼續閱讀。取得 TensorFlow Lite 模型
您不必建構 TensorFlow Lite 模型，就能開始在行動或邊緣裝置上使用機器學習。許多已建構且最佳化的模型可供您立即在應用程式中使用。您可以先從在 TensorFlow Lite 中使用預先訓練的模型開始，然後隨著時間推移逐步建構自訂模型，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。
使用模型執行快速工作：ML Kit
如果您嘗試使用機器學習快速實作功能或公用程式工作，建議您先查看 ML Kit 支援的使用情境，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，以完成常見的機器學習工作，例如條碼掃描和裝置端翻譯。使用這種方法可以協助您快速獲得成果。不過，ML Kit 擴充功能的選項有限。如需詳細資訊，請參閱 ML Kit 開發人員文件。
為應用程式建構模型：限制
如果為您的特定使用情境建構自訂模型是您的最終目標，您應該先開發及訓練 TensorFlow 模型，或擴充現有模型。在開始模型開發流程之前，您應該瞭解 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
如需這些限制的詳細資訊，請參閱模型建構總覽中的「模型設計限制」。如需建構適用於 TensorFlow Lite 的有效、相容且高效能模型的詳細資訊，請參閱「效能最佳做法」。