tflite2onnx-将TensorFlow Lite模型转换为ONNX tflite2onnx将TensorFlow Lite（TFLite）模型（ *.tflite ）转换为ONNX模型（ *.onnx ），并正确处理了数据布局和量化语义（有关详细信息，请*.onnx）。 强调 如果您想将TensorFlow模型（冻结图*.pb ， SavedModel或其他格式）转换为ONNX，请尝试 。 或者，您可以先将其为TFLite（ *.tflite ）模型，然后再将TFLite模型转换为ONNX。 微软在tf2onnx实现了另一个TensorFlow Lite至ONNX模型转换器（我们于2020年5月开源tflite2onnx ）。 tf2onnx似乎能够像我们一样转换量化，并且似乎能够转换尚不支持的RNN网络。 如果tflite2onnx缺少任何功能，请尝试tf2onnx --t

FET-Pro430-Lite v3.4 最新版本，是MSP430最佳的烧写工具。

Spy++ Lite是一款功能丰富的编程辅助工具，适用于获取窗口句柄并分析窗体结构。可以探测32位和64位应用程序。可以以十六进制和十进制显示窗口句柄、窗口样式和类样式等数值。可以获取父窗口和兄弟窗口、子窗口结构并形成句柄树，还可以调节窗口的状态和行为，获取程序路径、给窗口截图等。软件还支持获取列表控件数据，如任务管理器、股票行情数据等，还支持获取树视图、下拉框、列表框和菜单数据和字体信息等。

介绍如何使用`TF Lite model maker`库创建TensorFlow Lite模型。我们将在自定义数据集上微调一个预训练的图像分类模型，并进一步探索Tensorflow Lite支持的不同类型的模型优化技术，并将其导出到TF Lite模型。将创建的TF Lite模型与通过Tensorflow Lite 转换的模型进行详细的性能比较，最后将模型部署到web应用中。

flato-lite.rar

NanoPi R2S FriendlyCore Lite Focal 系统镜像

基于Tensorflow Lite框架,在 Android 上的一次尝试性实验。 本实验参考Google官方Github文档tensorflow/tensorflow 中的TF Classify， 通过训练不同的司机面部的模型，接着把它部署在了Android手机上，最后增加了一个原先没有的切换前后摄像头的功能。 安装 Bazel (参考Bazel官方教程) 安装 JDK 8 安装并更新 Bazel 下载 Tensorflow 源码 下载 Android studio 和 An

1.安装locales并配置 sudo apt-get install locales sudo dpkg-reconfigure locales 2.选择语言编码，默认已选择en_US.UTF8，zh_CN UTF-8 UTF-8，用空格键将以下两项打上星号，zh_CN GB2312，zh_CN GBK GBK，回车确认。 3.选择系统默认语言为英文en_US.UTF8 4.为当前用户配置默认语言为中文zh_CN UTF-8 UTF-8 vi ~/.bashrc 在.bashrc最后添加一行, 输入i进入insert模式 export LANG=zh_CN.UTF-8 输入:wq保存退出 5.安装中文字体 sudo apt-get install fonts-wqy-zenhei 如果下载失败， 可以试试附件已下载好的字体或DEB包，然后本地安装。

TensorFlow Lite:针对边缘端模型优化

arduino-dw1000-lite：Arduino库，可轻松快速地启动Decawave的DWM1000模块