使用中繼資料來推斷模型非常簡單，只需要加入幾行程式碼即可。TensorFlow Lite 中繼資料內含模型用途和模型使用方式的詳盡說明。可讓程式碼產生器自動產生推論程式碼，例如使用 Android Studio 機器學習繫結功能或 TensorFlow Lite Android 程式碼產生器。它也可用來設定自訂推論管道。
工具與程式庫
TensorFlow Lite 提供各種工具和程式庫，可滿足不同的部署需求，如下所示：
透過 Android 程式碼產生器產生模型介面
您可以透過下列兩種方式，利用中繼資料自動產生必要的 Android Lite 模型 Android 包裝函式程式碼：
Android Studio 機器學習模型繫結是 Android Studio 提供的工具，可透過圖形介面匯入 TensorFlow Lite 模型。Android Studio 會自動調整專案設定，並根據模型中繼資料產生包裝函式類別。
TensorFlow Lite Code Generator 是可執行檔，能根據中繼資料自動產生模型介面。這項服務目前支援搭載 Java 的 Android。包裝函式程式碼不需要與
ByteBuffer直接互動。開發人員可以改用Bitmap和Rect等類型物件，與 TensorFlow Lite 模型互動。Android Studio 使用者也可以透過 Android Studio ML 繫結存取 Codegen 功能。
使用 TensorFlow Lite 支援資料庫建構自訂推論管道
TensorFlow Lite 支援資料庫是一個跨平台程式庫，可協助自訂模型介面及建構推論管道。其中包含多種執行前後處理和資料轉換的公用程式方法和資料結構。此外，這個程式庫也能與 TensorFlow 模組 (例如 TF.Image 和 TF.Text) 的行為相匹配，確保訓練和推論之間的一致性。
透過中繼資料探索預先訓練模型
瀏覽 Kaggle Models，下載具有視覺和文字工作中繼資料的預先訓練模型。另請參閱視覺化中繼資料的不同選項。
TensorFlow Lite 支援 GitHub 存放區
如需更多範例和原始碼，請前往 TensorFlow Lite 支援 GitHub 存放區。