Mit Sammlungen den Überblick behalten
Sie können Inhalte basierend auf Ihren Einstellungen speichern und kategorisieren.
Die Modelle für maschinelles Lernen (ML), die Sie mit LiteRT verwenden, können trainiert werden
JAX, PyTorch oder TensorFlow verwenden und dann in einen TFLite-Flatbuffer konvertiert
Format.
Weitere Informationen finden Sie auf den folgenden Seiten:
Ein Überblick über den TFLite Converter, der eine wichtige Komponente von
Die Unterstützung verschiedener Frameworks mit TFLite ist die Modellkonvertierung
Übersicht.
[[["Leicht verständlich","easyToUnderstand","thumb-up"],["Mein Problem wurde gelöst","solvedMyProblem","thumb-up"],["Sonstiges","otherUp","thumb-up"]],[["Benötigte Informationen nicht gefunden","missingTheInformationINeed","thumb-down"],["Zu umständlich/zu viele Schritte","tooComplicatedTooManySteps","thumb-down"],["Nicht mehr aktuell","outOfDate","thumb-down"],["Problem mit der Übersetzung","translationIssue","thumb-down"],["Problem mit Beispielen/Code","samplesCodeIssue","thumb-down"],["Sonstiges","otherDown","thumb-down"]],["Zuletzt aktualisiert: 2024-09-05 (UTC)."],[],[]]
