上周您了解了 TensorFlow Lite，并学习了如何将模型从 TensorFlow 转换为 TensorFlow Lite 格式。你们还了解了可用于测试这些模型的独立 TensorFlow Lite 解释器。最后的练习是将基于时尚 MNIST 的模型转换为 TensorFlow Lite 格式，然后使用解释器进行测试。 本周您将学习本课程的第一种部署类型：安卓。Android 是一种多功能操作系统，可用于多种不同类型的设备，但最常见的是手机、平板电脑和电视系统。使用 TensorFlow Lite，您可以在 Android 上运行您的模型，因此您可以将 ML 带到这些设备类型中的任何一种。 虽然了解一些 Android 编程概念会有所帮助，但我们希望即使您不了解这些概念，也能跟上我们的进度，并至少尝试一下我们将探索的图像分类、物体检测等完整示例应用程序！

另一个流行的移动操作系统当然是 iOS。因此，本周你将完成与上周非常相似的任务--学习如何获取模型并在 iOS 上运行它们。你需要有一些 iOS 版 Swift 的编程背景，才能完全理解我们所讲的一切，但即使你没有这方面的专业知识，我想本周的内容也会让你觉得探索起来很有趣--你将学会如何构建在这个重要操作系统上运行的各种 ML 应用程序！

在了解了 TensorFlow Lite 并探索了如何在 Android 和 iOS 上构建使用它的应用程序之后，下一步也是最后一步就是探索树莓派（Raspberry Pi）等嵌入式系统，学习如何让模型在上面运行。最棒的是，Raspberry Pi 是一个完整的 Linux 系统，因此可以运行 Python，让你既可以使用完整的 TensorFlow 进行训练和推理，也可以只使用解释器进行推理。我建议使用后者，因为在 Pi 上进行训练可能会很慢！