TensorFlow Lite:更新现有模型或在部署的应用程序中添加新模型

我正在创建一个移动应用程序(使用Flutter了解更多详细信息(，该应用程序需要使用TensorFlow Lite模型进行一些离线推理。事实上，这需要离线意味着模型需要与应用程序一起发货。

我知道如何使用应用程序部署模型(例如，请参阅本教程；有很多(，但是，由于这些模型可能会随着时间的推移而变化——例如，通过新数据重新训练以提高准确性，甚至添加新模型来分析不同的东西——最好能找到一种不需要更新整个应用程序的方法。

到目前为止，我发现的动态更新/添加模型的唯一选项需要应用程序连接到托管模型的外部服务，如Firebase，但当应用程序需要离线运行时，这还不够好。

你对怎么做有什么建议吗？

非常感谢，Diego

对不起，你是说你想在没有互联网连接(或网络连接(的情况下更新应用程序(应用程序的一部分(吗？从Play Store/app Store更新应用程序需要互联网连接。

手动安装新的应用程序更新这将更新整个应用程序，而不仅仅是模型文件，但这很好，你不需要更改任何代码。
- 在Android上：安装新的APKadb install，然后
- 在iOS上：使用Adhoc分发
模型文件选择器和手动模型选择：或者，您可以在应用程序中添加文件选择器来选择本地模型文件。此模型文件需要在设备上，您可以手动将其复制到设备上(例如，Android上的adb push model.tflite，iOS上的Airdrop(。
本地网络托管模型：或者您可以自动从本地网络下载模型(仍然"脱机"/没有互联网连接(。

相关内容