【社区分享】专注移动端机器学习交流，TensorFlow Lite 中文兴趣小组招募中！

移动端机器学习的交流平台，TensorFlow Lite 的中文兴趣小组来啦！不论您是刚刚接触 TensorFlow Lite 的新手，或是已经在使用 TensorFlow Lite 的开发者，还是想给 TensorFlow Lite 贡献代码的开发者，TensorFlow Lite 中文兴趣小组都欢迎您的加入，和众多 App 开发者们一起推动端侧学习发展。

 

 

TensorFlow 2015 年开源至今天已经发展成为了一个庞大的生态系统，TensorFlow 团队除了一直在增加与改进产品功能以外，也关注社区的健康发展，积极组织各种活动和项目。今天着重介绍的 TensorFlow Lite 中文兴趣小组，希望更多对 TFLite 感兴趣的同学能积极参与。

 

中国移动 app 开发者的数量和能力众所周知，不仅发布的 app 数量巨大，而且 app 的质量也很高，即使在竞争激烈的全球市场上也有众多由中国开发者开发的优秀 app 脱颖而出，在 Google Play 等应用商店的 top 榜单上占据众多席位。在技术层面中国的 app 开发者也越来越往智能化发展，将更多的人工智能和机器学习的能力嵌入到他们的 app 中；同时由于手机和 IoT 设备的处理器越来越强大，而且有更多的机器学习加速器如 DSP，NPU 被植入到手机里，让更多的 app 能在端侧直接运行机器学习模型。

 

TensorFlow Lite 就是为了在设备端侧运行机器学习模型而诞生，关于 TensorFlow Lite 的简介，大家可以参考之前我们发布的这篇文章。目前海内外有成千上万个 app 在使用 TFLite，有超过 40 亿台设备上在运行 TFLite。

 

在中国，在移动应用方面，网易使用 TFLite 做 OCR 处理；爱奇艺使用 TFLite 来进行视频中的 AR 效果，而 WPS 用它来做一系列文字处理[3]。在 IoT 方面，出门问问智能音箱使用 TFLite 来做热词唤醒（对于智能音箱而言，准确、实时、轻量化低功耗的唤醒非常关键），科沃斯扫地机器人使用 TFLite 在室内避开障碍物。另外，TFLite 也非常适合工业物联智能设备的开发，因为它很好地支持如树莓派及其他基于 Linux SoC 的工业自动化系统。创新奇智应用 TFLite 开发智能质检一体机、智能读码机等产品，应用到服装厂质检等场景[6]。更多的案例大家可以在 TensorFlow 公众号‘了解产品’ -> ‘企业级案例’中找到。

 

目前已经有越来越多的 app 开发者想要接入 TFLite，同时有很多已经接入 TFLite 的开发者想要更深入的了解 TFLite 内部机制，甚至给 TFLite 贡献一些代码。为了帮助中国广大的 app 开发者更好的使用 TFLite，我们专门建立了 TFLite 中文兴趣小组（注意：这个兴趣小组仅专注于 TFLite）：

• 我们会在每个月的最后一个周四早上 11 点定期进行一次会议，邀请 TFLite 使用者进行分享他们使用 TFLite 的心得和经验，或者 TFLite 工程师分享他们正在做的工作

• 我们已经建立了一个微信群，目前已经有 100 多位来自 20+ 家公司的同学加入

• TFLite 中文兴趣小组由 3 位来自腾讯和 vivo 的同学担任社区领导者，Google TensorFlow中国团队积极配合一起运营

• 我们非常希望能从社区里面找到想给 TFLite 贡献代码的同学，推进他们给开源社区的贡献，从而进一步扩大中国开发者在 TF 社区的影响力

 

TFLite 中文兴趣小组采取公开的方式，所有的会议笔记和 ppt 在获得作者许可之后都将公开给小组成员，之后的月会我们也会录制视频以方便当天未能参与的同学。之前我们已经进行了为期 3 个月的试运行，已经开过了 3 次月会：

• 5 月份的会由 TF 团队分享了 TFLite 的最新进展

• 6 月份的会由爱奇艺 SmartAR 团队的尹逊宫老师分享了他们使用 TFLite 的经验和心得

• 7 月份的会由大疆的周爱春老师分享了他们使用和定制 TFLite 的经验和心得，并由 TFLite 工程师林添老师分享了一个新示例应用 - 离线推荐

• 8 月份的会将由 TFLite 工程师分享 MLIR 相关内容

• 9 月份的会暂定由 TFLite 工程师分享 CoreML delegate 相关内容

 

经过这几个月的试运行，我们收到了参与者的良好反馈，这也增强了我们持续运营 TFLite 中文兴趣小组的信心。所以我们决定公开邀请更多对 TFLite 感兴趣的同学加入，一起参与把这个社区组织做大做好。不论您是刚刚接触 TFLite，或是已经在使用 TFLite 的开发者，还是想给 TFLite 贡献代码的开发者，我们都欢迎您的加入，欢迎您和我们一起推动端侧学习的发展。期待在下次的 TFLite 中文兴趣小组的微信群和下次的月会与您进行交流！

 

— 参考文献 —

1. Lin Huijie. Netease Youdao: AI Leader in Online Education in China (TF Dev Summit '19) [R/OL]. [2020-04-22].
2. SmileAR Engineering Team at iQIYI. SmileAR: iQIYI’s Mobile AR solution based on TensorFlow Lite [EB/OL]. [2020-07-12].
3. Xiong Longfei, Du Cheng, Chen Ronghua, et al. KingSoft WPS: document image dewarping based on TensorFlow [EB/OL]. [2019-12-10].

4. Mobvoi. Mobvoi: use TensorFlow Lite for hot word detection [EB/OL]. [2018-09-11].

5. ECOVACS. ECOVACS：AI based room cleaner [EB/OL]. [2020-04-22]. 

6. AInnovation. AInnovation: computer vision for industrial quality control [EB/OL]. [2020-04-22].

 

如果你对 TFLite 中文兴趣小组微信群感兴趣，请于官方微信公众号（TensorFlow_official ）后台回复 “TFLite中文兴趣组” 即可加入。