Tensorflow XLA和TunSoFras-Lite／Android NAPAPI有什么区别？ Tensorflow提出了XLA编译器，编译后端C++ TysFooLoad目标LLVM。我对XLA的理解是，只要有LLVM ->设备支持，它就支持通用加速设备的一步。

Tensorflow lite是最近发布的，它取代了Tensorflow Mobile，似乎是工作重点放在瞄准嵌入式和移动设备上的地方，而嵌入式DSP和GPU显然是这些环境中常见的可选处理器。Tensorflow lite似乎将操作移交给Android NNAPI（神经网络API），并支持Tensorflow OPs的一个子集

---

这就引出了一个问题：谷歌将朝哪个方向支持非CUDA设备？还有XLA的用例是否超出了我的描述？

< P>我在XLA上工作。XLA编译器有三个后端：CPU、GPU和TPU。CPU和GPU是基于LLVM的开放源代码，TPU是封闭源代码

我不知道XLA对于移动设备的计划是什么，所以我不能对此发表评论。

---

使用XF模型和XLA模型，而不是直接执行模型，XLA会为您带来大量的OPS。例如，

我不确定XLA是否支持加速设备。尽管中提到了新硬件的可移植性，但我认为主要是关于时间/内存性能，以及集成的易用性（对于AOT）。TF Lite更多的是关于最小化资源，它是另一种实现方式，虽然我认为Lite和XLA可能最终以某种方式收敛。Wrt平台支持，虽然官方只支持CPU和CUDA（well和Cloud TPU），但SyCL和ROCm支持可供编译。在任何情况下，如果您想了解未来的计划，也许您可以在其中一个网站上获得更权威的答案。