前言：
很多场景下面我们需要需要把我们的深度学习模型部署到Android,IOS 手机上面.
Google 通过TensorFlow Lite 提供了对应的解决方案.
目录：
- 端侧部署优点
- 硬件支持
- 性能
- 应用案例
一 端侧部署优点
1; 很多场景下面： 无网络,数据无法传到服务器侧进行推理
2：很多场景下面：带宽很低，传递到服务器推理效率低
3：很多场景下面：网络延迟，无法在服务器侧进行实时推理
4： 当把数据传递到往网络侧推理，会导致终端功耗增加.
5： 隐私要求
TFLite 应用例子：
Google 语音识别算法
爱奇艺的视频分割
对象检测
二 硬件支持
android& IOS, MCU, TPU. 目前全球有40亿台设备支持TFLite
三 性能
实测在CPU 上面,1ms 左右能完成推理.
LNet-5结构 ，输入size(1,30)
下面是MobileNet 在各种硬件上面推理性能：
四 应用案例
4.1 NLP 以及图像处理都有丰富的应用案例
4.2 TFLite Model:
可以通过迁移学习，即使不懂ML，也可以快速的部署自己的模型.
看介绍https://www.tensorflow.org/lite/guide?hl=zh-cn，codegen 可以直接通过命令生成
对应的JAVA 代码，但是没有找到对应的入口
3: 支持android studio
参考：
将tflite格式的模型部署在安卓移动端详细步骤_特立独行の猫-华为云开发者联盟
TensorFlow Lite | TensorFlow中文官网
https://www.youtube.com/watch?v=XlLtUsJvsBI&list=PLQY2H8rRoyvwFS5vSa9oV48AOdzfJwxXH&index=1
