tensorflow/tflite-micro

- [TensorFlow Lite for Microcontrollers](#tensorflow-lite-for-microcontrollers) - [构建状态](#build-status) - [CI 状态](#ci-status) - [社区支持的 TFLM 示例](#community-supported-tflm-examples) - [贡献](#contributing) - [获取帮助](#getting-help) - [附加文档](#additional-documentation) - [RFCs](#rfcs) # TensorFlow Lite for Microcontrollers TensorFlow Lite for Microcontrollers 是 TensorFlow Lite 的移植版本，旨在 DSP、微控制器和其他内存有限的设备上运行机器学习模型。 附加链接： * [Tensorflow github 仓库](https://github.com/tensorflow/tensorflow/) * [tensorflow.org 上的 TFLM](https://www.tensorflow.org/lite/microcontrollers) # 构建状态 ## CI 状态 | 组别 | 状态 | | :--- | :--- | | 核心 | [](https://github.com/tensorflow/tflite-micro/actions/workflows/run_core.yml) [](https://github.com/tensorflow/tflite-micro/actions/workflows/run_windows.yml) [](https://github.com/tensorflow/tflite-micro/actions/workflows/sync.yml) | | 目标平台 | [](https://github.com/tensorflow/tflite-micro/actions/workflows/run_cortex_m.yml) [](https://github.com/tensorflow/tflite-micro/actions/workflows/run_riscv.yml) [](https://github.com/tensorflow/tflite-micro/actions/workflows/run_hexagon.yml) [](https://github.com/tensorflow/tflite-micro/actions/workflows/run_xtensa.yml) | | 其他 | [](https://github.com/tensorflow/tflite-micro/actions/workflows/generate_integration_tests.yml) | ## 社区支持的 TFLM 示例 此表列出了 TFLM 已移植到的平台。请参阅 [新平台支持](tensorflow/lite/micro/docs/new_platform_support.md) 获取更多文档。 平台 | 状态 | ----------- | --------------| Arduino | [](https://github.com/tensorflow/tflite-micro-arduino-examples/actions/workflows/ci.yml) [](https://github.com/antmicro/tensorflow-arduino-examples/actions/workflows/test_examples.yml) | [Coral Dev Board Micro](https://coral.ai/products/dev-board-micro) | [TFLM + EdgeTPU 示例（适用于 Coral Dev Board Micro）](https://github.com/google-coral/coralmicro) | Espressif Systems 开发板 | [](https://github.com/espressif/tflite-micro-esp-examples/actions/workflows/ci.yml) | Ingenic MIPS 开发板 | [](https://github.com/yinzara/ingenic-tflite-micro/tree/main/examples/hello_world) | Renesas 开发板 | [Renesas 开发板 TFLM 示例](https://github.com/renesas/tflite-micro-renesas) | Silicon Labs 开发套件 | [Silicon Labs 开发套件 TFLM 示例](https://github.com/SiliconLabs/tflite-micro-efr32-examples) Sparkfun Edge | [](https://github.com/advaitjain/tflite-micro-sparkfun-edge-examples/actions/workflows/ci.yml) Texas Instruments 开发板 | [](https://github.com/TexasInstruments/tensorflow-lite-micro-examples/actions/workflows/ci.yml) # 贡献 请参阅我们的 [贡献文档](CONTRIBUTING.md)。 # 获取帮助 [GitHub issue](https://github.com/tensorflow/tflite-micro/issues/new/choose) 应该是联系 TensorFlow Lite Micro (TFLM) 团队的主要方式。 以下资源也可能有用： 1. SIG Micro [电子邮件群组](https://groups.google.com/a/tensorflow.org/g/micro) 和 [月度会议](http://doc/1YHq9rmhrOUdcZnrEnVCWvd87s2wQbq4z17HbeRl-DBc)。 2. SIG Micro [gitter 聊天室](https://gitter.im/tensorflow/sig-micro)。 3. 对于非 TFLM 特定的问题，请咨询更广泛的 TensorFlow 项目，例如： * 在 [TensorFlow Discourse 论坛](https://discuss.tensorflow.org) 上创建主题 * 向 [TensorFlow Lite 邮件列表](https://groups.google.com/a/tensorflow.org/g/tflite) 发送电子邮件 * 创建 [TensorFlow issue](https://github.com/tensorflow/tensorflow/issues/new/choose) * 创建 [模型优化工具包](https://github.com/tensorflow/model-optimization) issue # 附加文档 * [持续集成](docs/continuous_integration.md) * [基准测试](tensorflow/lite/micro/benchmarks/README.md) * [性能分析](tensorflow/lite/micro/docs/profiling.md) * [内存管理](tensorflow/lite/micro/docs/memory_management.md) * [日志记录](tensorflow/lite/micro/docs/logging.md) * [将参考内核从 TfLite 移植到 TFLM](tensorflow/lite/micro/docs/porting_reference_ops.md) * [优化的内核实现](tensorflow/lite/micro/docs/optimized_kernel_implementations.md) * [新平台支持](tensorflow/lite/micro/docs/new_platform_support.md) * 平台/IP 支持 * [Arm IP 支持](tensorflow/lite/micro/docs/arm.md) * [使用 Renode 进行软件仿真](tensorflow/lite/micro/docs/renode.md) * [使用 QEMU 进行软件仿真](tensorflow/lite/micro/docs/qemu.md) * [压缩](tensorflow/lite/micro/docs/compression.md) * [MNIST 压缩教程](tensorflow/lite/micro/compression/mnist_compression_tutorial.ipynb) * [Python 开发指南](docs/python.md) * [自动生成的文件](docs/automatically_generated_files.md) * [Python 解释器指南](python/tflite_micro/README.md) # RFCs 1. [预分配张量](tensorflow/lite/micro/docs/rfc/001_preallocated_tensors.md) 2. [16x8 量化算子的 TensorFlow Lite for Microcontrollers 移植](tensorflow/lite/micro/docs/rfc/002_16x8_quantization_port.md)

标签：Apex, C++, Cortex-M, DSP, Hexagon, IoT, MCU, RISC-V, TensorFlow, TensorFlow Lite, TFLM, TinyML, Xtensa, 低功耗, 单片机, 嵌入式, 开源, 微控制器, 推理, 数字信号处理器, 数据擦除, 机器学习, 机器学习框架, 模型部署, 深度学习, 物联网, 端侧AI, 资源受限, 边缘AI, 边缘计算, 逆向工具