雷锋网(公众号：雷锋网) AI 科技评论按，本文原载于公众号 「TensorFlow」，雷锋网 AI 科技评论获得授权转载。
TensorFlow Lite 2019 年发展蓝图分为四个关键部分：易用性、性能、优化和可移植性。非常欢迎您在 TensorFlow Lite 论坛中评论我们的发展蓝图，并向我们提供反馈。
我们希望您了解一下 TensorFlow Lite 2019 年规划的总体概览，可能会因各种因素而随时变化，并且下列内容的先后顺序并不反映优先次序。从原则上说，我们通常优先解决大多数用户提出的问题，所以此列表基本反映这一点。
易用性
支持更多 op
根据用户反馈优先处理更多 op
op 版本控制和签名
op 内核将获得版本号
op 内核将可以通过签名识别
新转换器
实现新的 TensorFlow Lite 转换器，该转换器将能更好地处理图形转换（即控制流、条件语句等）并取代 TOCO
继续改进 TF Select Op
支持更多使用 TF Select（例如哈希表、字符串等）的转换类型
在通过 op 剥离使用 TF Select Op 时支持更小的二进制文件大小
支持长短期记忆 (LSTM) / 循环神经网络 (RNN)
增加对 LSTM 和 RNN 的完整转换支持
图形可视化工具
提供增强版图形可视化工具
预处理和后处理支持
针对推理的预处理和后处理提供更多支持
控制流和设备端训练
增加对控制流相关 op 的支持
增加对设备端训练的支持
新 API
将新的 C API 作为语言绑定和大多数客户端的核心
iOS 版 Objective-C API
iOS 版 SWIFT API
更新后的 Android 版 Java API
C# Unity 语言绑定
添加更多模型
向网站的支持部分添加更多模型
性能
更多硬件委派
增加对更多硬件委派的支持
支持 NN API
持续支持并改进对 NN API 的支持
框架可扩展性
通过自定义优化版本支持简便的 CPU 内核重写
GPU 委派
继续扩展对 OpenGL 和 Metal op 的总支持 op
开源
提升 TFLite CPU 的性能
优化浮动和量化模型
优化
模型优化工具组
训练后量化 + 混合内核
训练后量化 + 定点内核
训练时量化
为更多技术提供更多支持
RNN 支持
稀疏性 / 精简
支持较低位宽
可移植性
微控制器支持
增加对一系列 8 位、16 位和 32 位微控制器 (MCU) 架构语音和图像分类用例的支持
雷锋网版权文章，未经授权禁止转载。详情见转载须知。
