تبدیل، زمان اجرا و بهینه‌سازی کارآمد برای یادگیری ماشینی روی دستگاه.
LiteRT فقط یک پلتفرم جدید نیست؛ بلکه نسل بعدیِ گسترده‌ترین محیط اجرای یادگیری ماشین در جهان است. این پلتفرم، برنامه‌هایی را که هر روز استفاده می‌کنید، قدرتمند می‌کند و تأخیر کم و حریم خصوصی بالایی را در میلیاردها دستگاه ارائه می‌دهد.

مورد اعتماد مهم‌ترین برنامه‌های گوگل

بیش از ۱۰۰ هزار برنامه، میلیاردها کاربر جهانی

نکات برجسته LiteRT

استقرار از طریق LiteRT

جریان کاری یادگیری عمیق خود را از آموزش تا استقرار روی دستگاه، ساده کنید.
از مدل‌های از پیش آموزش‌دیده‌ی .tflite استفاده کنید یا مدل‌های PyTorch، JAX یا TensorFlow را به .tflite تبدیل کنید.
درباره تبدیل اطلاعات کسب کنید
از جعبه ابزار بهینه‌سازی LiteRT برای کوانتیزه کردن مدل‌های خود پس از آموزش استفاده کنید.
کاوش در بهینه‌سازی
مدل خود را با LiteRT مستقر کنید و شتاب‌دهنده بهینه را برای برنامه خود انتخاب کنید.
مشاهده اهداف استقرار

مسیر توسعه خود را انتخاب کنید

از LiteRT برای استقرار هوش مصنوعی در هر مکانی استفاده کنید - از برنامه‌های تلفن همراه با کارایی بالا گرفته تا دستگاه‌های اینترنت اشیا با محدودیت منابع.
انتقال به LiteRT برای بهره‌مندی از عملکرد بهبود یافته و APIهای یکپارچه در پلتفرم‌های مختلف (اندروید، دسکتاپ، وب).
یک مدل PyTorch داشته باشید و به دنبال پیاده‌سازی تجربیات بصری یا صوتی روی دستگاه باشید.
ایجاد چت‌بات‌های پیشرفته روی دستگاه با استفاده از مدل‌های GenAI با وزن باز بهینه‌شده مانند Gemma یا سایر مدل‌های با وزن باز.
نوشتن مدل‌های سفارشی یا انجام بهینه‌سازی‌های عمیق CPU/GPU/NPU مخصوص سخت‌افزار برای دستیابی به حداکثر عملکرد.

نمونه‌ها، مدل‌ها و نسخه‌های نمایشی

برنامه‌های نمونه کامل و جامع.
نمونه برنامه را ببینید
مدل‌های هوش مصنوعی نسل جدید از پیش آموزش‌دیده و آماده.
به HuggingFace بروید

مشاهده دموها - برنامه گالری Google AI Edge

گالری که موارد استفاده از ML/GenAI روی دستگاه را با استفاده از LiteRT نمایش می‌دهد.
فروشگاه Play را باز کنید

وبلاگ‌ها و اطلاعیه‌ها

با آخرین اطلاعیه‌ها، بررسی‌های فنی عمیق و بنچمارک‌های عملکرد تیم LiteRT به‌روز باشید.
وبلاگ‌های بیشتری را کاوش کنید
چارچوب یکپارچه یادگیری ماشین روی دستگاه گوگل، که از TFLite برای استقرار با کارایی بالا تکامل یافته است.
گسترش پشتیبانی از شتاب‌دهی NPU به تراشه‌های مدیاتک برای هوش مصنوعی با راندمان بالا.
دستیابی به عملکرد فوق‌العاده برای هوش مصنوعی مولد در واحدهای پردازش عصبی کوالکام.
معرفی رابط برنامه‌نویسی کاربردی CompiledModel برای انتخاب خودکار سخت‌افزار و اجرای ناهمگام.
با استفاده از LiteRT-LM، مدل‌های زبانی را روی پوشیدنی‌ها و پلتفرم‌های مبتنی بر مرورگر مستقر کنید.
آخرین بینش‌ها در مورد RAG، چندوجهی بودن و تابعی که مدل‌های زبان لبه را فراخوانی می‌کند

به انجمن بپیوندید

مستقیماً در پروژه مشارکت کنید و با توسعه‌دهندگان اصلی همکاری کنید.
به مدل‌های بهینه‌شده با وزن آزاد در Hugging Face Hub دسترسی داشته باشید.
آماده‌اید تا یادگیری ماشین روی دستگاه خود را به سطح بالاتری ببرید؟ مستندات را بررسی کنید و همین امروز شروع به ساختن کنید.
اسناد را کاوش کنید