11月14日，谷歌终于开源了业界期待已久的移动版TensorFlow — TensorFlow Lite（Github传送门）。笔者认为，谷歌很可能凭借这款利器赢得移动端AI的生态之战。
理由有三：
1. 无缝支持通过TensorFlow训练好的神经网络模型。只需要几个简单的步骤就可以完成桌面模型到移动端模型的转换。
2. TFLite可以与Android 8.1中发布的神经网络API完美配合。而Android端版本演进的控制权是掌握在谷歌手中的，从长期看，TFLite会得到Android系统层面上的支持。
3. 质量有保证。根据以往谷歌对开源项目支持力度看，TFLite的功能迭代演进会很快，大量的bug会在第一时间修复。
此前，国内的巨头百度已经发布了MDL（传送门 ）框架、腾讯发布了NCNN（传送门 ）框架。下面笔者将比较下这三个移动端框架的异同之处。
移动端深度学习框架比较
相同点：
1. 只含推理（inference）功能，使用的模型文件需要通过离线的方式训练得到。
2. 最终生成的库尺寸较小，均小于500kB。
3. 为了提升执行速度，都使用了ARM NEON指令进行加速。
4. 跨平台，iOS和Android系统都支持。
不同点：
1. MDL和NCNN均是只支持Caffe框架生成的模型文件，而TfLite则毫无意外的只支持自家大哥TensorFlow框架生成的模型文件。
2. MDL支持利用iOS系统的Matal框架进行GPU加速，能够显著提升在iPhone上的运行速度，达到准实时的效果。而NCNN和TFLite还没有这个功能。
