تحويل النماذج وتشغيلها وتحسينها بكفاءة لتعلُّم الآلة على الجهاز فقط
إنّ LiteRT ليس مجرد إصدار جديد، بل هو الجيل التالي من وقت تشغيل تعلُّم الآلة الأكثر استخدامًا على نطاق واسع في العالم. وهي تتيح تشغيل التطبيقات التي تستخدمها كل يوم، وتوفّر معدل نقل بيانات منخفضًا ومستوى عاليًا من الخصوصية على مليارات الأجهزة.

موثوق بها من قِبل أهم تطبيقات Google

أكثر من 100 ألف تطبيق ومليارات المستخدمين حول العالم

أبرز ميزات LiteRT

النشر من خلال LiteRT

يمكنك تبسيط سير عمل التعلّم العميق من التدريب إلى النشر على الجهاز فقط.
استخدِم نماذج ‎ .tflite المدرَّبة مسبقًا أو حوِّل نماذج PyTorch أو JAX أو TensorFlow إلى ‎ .tflite.
استخدِم مجموعة أدوات تحسين LiteRT لتحديد كمية النماذج بعد التدريب.
يمكنك نشر نموذجك باستخدام LiteRT واختيار أداة التسريع الأنسب لتطبيقك.

اختيار مسار التطوير

استخدِم LiteRT لنشر الذكاء الاصطناعي في أي مكان، بدءًا من تطبيقات الأجهزة الجوّالة العالية الأداء إلى أجهزة إنترنت الأشياء ذات الموارد المحدودة.
الانتقال إلى LiteRT للاستفادة من الأداء المحسّن وواجهات برمجة التطبيقات الموحّدة على جميع الأنظمة الأساسية (Android وDesktop وWeb)
لديك نموذج PyTorch وتريد تنفيذ تجارب متعلقة بالرؤية أو الصوت على الجهاز فقط.
إنشاء برامج دردشة متطورة على الجهاز فقط باستخدام نماذج الذكاء الاصطناعي التوليدي المحسّنة والمتاحة للجميع، مثل Gemma أو نموذج آخر متاح للجميع.
إنشاء نماذج مخصّصة أو إجراء تحسينات متعمّقة خاصة بوحدة المعالجة المركزية/وحدة معالجة الرسومات/وحدة المعالجة العصبية لتحقيق أفضل أداء

العيّنات والنماذج والعروض التوضيحية

نماذج الذكاء الاصطناعي التوليدي المدرَّبة مسبقًا والجاهزة للاستخدام
معرض يعرض حالات استخدام تعلُّم الآلة/الذكاء الاصطناعي التوليدي على الجهاز فقط باستخدام LiteRT

المدوّنات والإشعارات

يمكنك البقاء على اطّلاع على آخر الإشعارات والدراسات الفنية المتخصصة ومقاييس الأداء من فريق LiteRT.
إطار عمل موحَّد لتعلُّم الآلة على الأجهزة فقط من Google، وهو يتطوّر من TFLite ليتيح نشرًا عالي الأداء.
توسيع نطاق دعم تسريع وحدة المعالجة العصبية ليشمل شرائح MediaTek من أجل توفير ذكاء اصطناعي عالي الكفاءة
تحقيق أداء مذهل للذكاء الاصطناعي التوليدي على وحدات المعالجة العصبية من Qualcomm
نقدّم لك CompiledModel API لاختيار الأجهزة آليًا وتنفيذ المهام بشكل غير متزامن.
يمكنك نشر نماذج لغوية على الأجهزة القابلة للارتداء والمنصات المستندة إلى المتصفح باستخدام LiteRT-LM.
أحدث المعلومات حول التوليد المعزّز بالاسترجاع (RAG) والوسائط المتعددة واستدعاء الدوال في النماذج اللغوية التي تعمل على الأجهزة

الانضمام إلى المنتدى

يمكنك المساهمة مباشرةً في المشروع والتعاون مع المطوّرين الأساسيين.
يمكنك الوصول إلى نماذج مفتوحة المصدر محسّنة على Hugging Face Hub.
هل أنت مستعد للارتقاء بمستوى تعلُّم الآلة على الجهاز فقط؟ استكشِف المستندات وابدأ في إنشاء التطبيقات اليوم.