0
雷鋒網 AI 科技評論按，本文原載于公眾號 「TensorFlow」，雷鋒網 AI 科技評論獲得授權轉載。
TensorFlow Lite 2019 年發展藍圖分為四個關鍵部分：易用性、性能、優化和可移植性。非常歡迎您在 TensorFlow Lite 論壇中評論我們的發展藍圖，并向我們提供反饋。
我們希望您了解一下 TensorFlow Lite 2019 年規劃的總體概覽，可能會因各種因素而隨時變化，并且下列內容的先后順序并不反映優先次序。從原則上說，我們通常優先解決大多數用戶提出的問題，所以此列表基本反映這一點。
易用性
支持更多 op
根據用戶反饋優先處理更多 op
op 版本控制和簽名
op 內核將獲得版本號
op 內核將可以通過簽名識別
新轉換器
實現新的 TensorFlow Lite 轉換器，該轉換器將能更好地處理圖形轉換（即控制流、條件語句等）并取代 TOCO
繼續改進 TF Select Op
支持更多使用 TF Select（例如哈希表、字符串等）的轉換類型
在通過 op 剝離使用 TF Select Op 時支持更小的二進制文件大小
支持長短期記憶 (LSTM) / 循環神經網絡 (RNN)
增加對 LSTM 和 RNN 的完整轉換支持
圖形可視化工具
提供增強版圖形可視化工具
預處理和后處理支持
針對推理的預處理和后處理提供更多支持
控制流和設備端訓練
增加對控制流相關 op 的支持
增加對設備端訓練的支持
新 API
將新的 C API 作為語言綁定和大多數客戶端的核心
iOS 版 Objective-C API
iOS 版 SWIFT API
更新后的 Android 版 Java API
C# Unity 語言綁定
添加更多模型
向網站的支持部分添加更多模型
性能
更多硬件委派
增加對更多硬件委派的支持
支持 NN API
持續支持并改進對 NN API 的支持
框架可擴展性
通過自定義優化版本支持簡便的 CPU 內核重寫
GPU 委派
繼續擴展對 OpenGL 和 Metal op 的總支持 op
開源
提升 TFLite CPU 的性能
優化浮動和量化模型
優化
模型優化工具組
訓練后量化 + 混合內核
訓練后量化 + 定點內核
訓練時量化
為更多技術提供更多支持
RNN 支持.
稀疏性 / 精簡.
支持較低位寬.
可移植性
微控制器支持
增加對一系列 8 位、16 位和 32 位微控制器 (MCU) 架構語音和圖像分類用例的支持.
雷峰網版權文章，未經授權禁止轉載。詳情見轉載須知。
