11 月 14 日，我们宣布了 TensorFlow Lite 的开发者预览版，TensorFlow Lite 是 TensorFlow 面向移动和嵌入式设备的轻量级解决方案。
在与 Apple 的协作下，今天，我们高兴地宣布对 Core ML 的支持！此次宣布之后，iOS 开发者可以利用 Core ML 的优势来部署 TensorFlow 模型。此外，如最初宣布中介绍的一样，TensorFlow Lite 将继续通过 TensorFlow Lite 格式 (.tflite)支持包括 iOS 在内的跨平台部署。
对 Core ML 的支持通过一个工具提供，这个工具可以获取 TensorFlow 模型并将其转换成 Core ML 模型格式 (.mlmodel)。
如需了解详细信息，请参阅 TensorFlow Lite 文档页面和 Core ML 转换器。请从以下网址下载 pypi pip 可安装软件包：https://pypi.python.org/pypi/tfcoreml/0.1.0。
敬请关注更多动态。
祝大家尽情享受 TensorFlow Lite 编码！
原文来自:谷歌开发者中文博客
声明：所有来源为“聚合数据”的内容信息，未经本网许可，不得转载！如对内容有异议或投诉，请与我们联系。邮箱：marketing@think-land.com
分享
包含研学创作（大纲）和研学创作（全文）
通过请求综述题目、指定文献ID集合、生成模式及学科名称，以流式方式返回生成的调研综述全文及引用的参考文献信息。
通过请求问题内容、学科名称及选题目的，返回包含中英文题目、推荐理由、多维度评分及相似文献的智能选题推荐结果。
通过自然语言请求，选择以流式或非流式方式返回模型生成的对话回复及相关的参考文献引用信息。
包含会议文献和会议文献详情
苏公网安备 32059002001776号
