简要回答
TensorFlow Lite 是 TensorFlow 的移动端与嵌入式推理引擎，通过转换与量化压缩模型，在 Android、iOS、树莓派等边缘设备上低延迟运行深度学习模型。
标准回答
TensorFlow Lite（TFLite） 是 TensorFlow 的轻量级推理解决方案，面向资源受限设备：手机、IoT、嵌入式 MCU。
工作流程：
- 在服务器用 TF/Keras 训练完整模型
- TFLite Converter 转为 .tflite flatbuffer
- 可选 量化（Post-training INT8、float16）压缩 4×、加速 2～3×
- 设备端 TFLite Interpreter 执行推理
典型场景：
| 场景 | 示例 |
|---|---|
| 移动 App | 人像分割、实时滤镜 |
| 语音唤醒 | 关键词检测 on-device |
| 工业边缘 | 缺陷检测、低带宽离线 |
| MCU | TensorFlow Lite for Microcontrollers |
优势：包体小、延迟低、隐私（数据不出设备）、无网络依赖。
回答思路
【定义】用一句话说清「TensorFlow Lite 是什么？适用于哪些场景」
【原理】讲清关键机制或步骤（2～3 点）
【例子】举一个真实项目、论文或产品中的例子
【对比】与易混淆概念或替代方案比较（如有）
【收尾】总结适用场景 + 一个局限或风险
延伸学习
工具：TensorFlow。知识库：深度学习基础、MLOps 模型服务。动态见 AI 资讯。
常见误区
⚠️ 常见踩坑
把 TFLite 当成训练框架；忽视量化校准；未测试真机延迟就上线移动端模型。
🔗 相似问题
同一考点的不同问法，换着练更稳
没找到想看的面试题？把你想看的告诉我们 →
延伸学习
按主题分类的相关资源，便于系统复习
