Higher accuracy on vision models with EfficientNet-Lite

Posted by Renjie Liu, Software Engineer

In May 2019, Google released a family of image classification models called , and designed for performance on mobile CPU, GPU, and EdgeTPU. EfficientNet-Lite brings the power of EfficientNet to edge devices and comes in five variants, allowing users to choose from the low latency/model size option (EfficientNet-Lite0) to the high accuracy option (EfficientNet-Lite4). The largest variant, integer-only quantized EfficientNet-Lite4, achieves 80.4% ImageNet top-1 accuracy, while still running in real-time (e.g. 30ms/image) on a Pixel 4 CPU. Below is how the quantized EfficientNet-Lite models perform compared to similarly quantized version of some popular image classification models.

Figures: Integer-only quantized models running on Pixel 4 CPU with 4 threads.

Challenges: Quantization and heterogeneous hardware

The unique nature of edge devices raises several challenges.

Quantization: Since many edge devices have limited floating-point support, quantization is widely used. However, it often requires a complicated quantization-aware training procedure or poor post-training quantization model accuracy.

Thankfully, within our toolkit, we leveraged the , we easily quantized the model without losing much accuracy via integer-only post-training quantization (for more information, see * Benchmarked on Pixel 4 CPU with 4 threadsWe also want to share some of our experience about post-training quantization. When we first tried post-training quantization, we found a significant accuracy drop: Top-1 accuracy dropped from 75% to 46% on the ImageNet dataset.
We found that the issue was caused by the quantized output range being too wide. Quantization was essentially doing affine transformation of the floating-point values to fit into the int8 buckets:

That's a sign that we may have lost too much accuracy as it was hard to fit the wide-ranged floating tensor into int8 ranged buckets. To address the issue, we replaced the , which is a tool that enables you to apply transfer learning on existing TensorFlow models with a user’s input data and export the resulting model to a TensorFlow Lite format. TensorFlow Lite Model Maker supports multiple model architectures, including MobileNetV2 and all variants of EfficientNet-Lite. Here is an example of how you can build an EfficientNet-Lite0 image classification model with just 5 lines of code: PYTHON Kopieren # Load your custom dataset data = ImageClassifierDataLoader.from_folder(flower_path) train_data, test_data = data.split(0.9) # Customize the pre-trained TensorFlow model model = image_classifier.create(train_data, model_spec=efficienetnet_lite0_spec) # Evaluate the model loss, accuracy = model.evaluate(test_data) # Export as TensorFlow Lite model. model.export('image_classifier.tflite', 'image_labels.txt') Try out the library with the flower classification , you can achieve ~92% accuracy under a few minutes with 5 epochs. Accuracy can be improved if you train with more epochs, more data, or fine-tune the whole model. Next, let’s build a mobile app with this model. You can start with our to the assets folder. If you want to try out your customized model created with Model Maker, you can replace it in the assets folder. As shown in the screenshot, the EfficientNet-Lite model runs inference in real-time (>= 30 fps). ). Try out . Learn more about TensorFlow Lite at , and explore more TensorFlow Lite models at Vollständiger Original-Bericht Ausführliche Details, Code-Beispiele & Hersteller-Stellungnahme auf blog.tensorflow.org. ↗ Original-Artikel auf blog.tensorflow.org lesen Wie bewertest du diesen Beitrag? 1 Klick Feedback Hot 0 ️ Patch Now 0 Hilfreich 0 🤔 Diskutieren 0 Teilen mit Netzwerk & Team: 𝕏 Twitter 💼 LinkedIn 🦋 Bluesky WhatsApp Slack / Teams 👥 Team-Invite Link kopieren 📸 Social Card Hat Ihnen dieser Tipp / Anleitung geholfen? 👍 Ja, hilfreich! Feedback geben Community-Analysen & Experten-Meinungen 0 Verfasse deine eigene Analyse, teile Workarounds oder diskutiere diesen Vorfall im Blog. Eigene Analyse verfassen Noch keine Community-Analyse verfasst. Markiere einen Textabschnitt oder klicke oben auf „ Eigene Analyse verfassen“! Beitrag teilen Kopieren Feedback Experten-Votum Hot 0 ️ Patch 0 Hilfreich 0 Top 0 🔴 Akute Relevanz 🟡 In Evaluierung 🟢 Keine Auswirkung Community Pulse: Relevanz-Einschätzung 1 Klick Experten-Votum 🔴 Akute Relevanz 🟡 In Evaluierung 🟢 Keine Auswirkung Spannende Innovation 🔴 Akute Relevanz 0% 🟡 In Evaluierung 0% 🟢 Keine Auswirkung 0% Spannende Innovation 0% Verwandte Story-Cluster & Quellen (Vektor-KI) Port 8095 Engine 3 Quellen GPT-6 Astra Release Today? OpenAI’s Next Major AI Model Is Almost Here ↗ Analyse öffnen 1 Quelle Apple accuses OpenAI of destroying evidence as trade-secrets fight intensifies ↗ Analyse öffnen 1 Quelle Major AI platforms go down in unprecedented simultaneous outage ↗ Analyse öffnen ◀ VORHERIGER BEITRAG 1 Min Beta Channel Update for Desktop 4 NÄCHSTER BEITRAG 1 Min Sony will Konami angeblich Metal Gear Solid & Silent Hill abkaufen - die Chancen dafür stehen jedoch schlecht 2 Weiterlesen ▶ Tipp: Mit Pfeiltasten [ ← ] und [ → ] blättern ✕ Zitat in Blog übernehmen Community-Analyse & Blog-Beitrag verfassen Referenziert: Higher accuracy on vision models with EfficientNet-Lite ZITIERTER TEXTABSCHNITT: ✕ Entfernen TITEL DER ANALYSE * KATEGORIE ️ Sicherheits-Einschätzung Workaround & Fix PoC & Deep Dive Meinung & Kommentar DEINE ANALYSE / WORKAROUND (MARKDOWN UNTERSTÜTZT) * AUTOR / ALIAS Wird direkt mit diesem Artikel & im Live-Feed verknüpft Abbrechen Veröffentlichen Powered by tsecurity.de tsecurity.de Hub 🚀 Auf tsecurity.de entdecken Ähnliche Beiträge 🔍 Verwandte News Auch interessante Nachrichten Higher accuracy on vision models with EfficientNet-Lite Thematisch verwandte Begriffe: Higher, accuracy, vision, models · 6 Treffer 📌 Alle Themen 🏷️ Higher 🏷️ accuracy 🏷️ vision 🏷️ models Beiträge Videos 📰 🔧 AI Nachrichten MacDailyNews Apple accuses OpenAI of destroying evidence as trade-secrets fight intensifies vor 17 Std. 📆 01.09.2026 um 01:44 Uhr Vorschau Weiterlesen ↗ 📰 🔧 AI Nachrichten MacDailyNews Major AI platforms go down in unprecedented simultaneous outage vor 17 Std. 📆 03.09.2026 um 17:34 Uhr Vorschau Weiterlesen ↗ 📰 🔧 AI Nachrichten The Mac Observer GPT-6 Astra Release Today? OpenAI’s Next Major AI Model Is Almost Here vor 17 Std. 📆 03.09.2026 um 19:08 Uhr Vorschau Weiterlesen ↗ 📰 🔧 AI Nachrichten The Mac Observer ChatGPT, Claude, and Grok Down? Users Report Widespread Outages vor 17 Std. 📆 03.09.2026 um 19:14 Uhr Vorschau Weiterlesen ↗ 📰 🔧 AI Nachrichten The Mac Observer OpenAI Launches GPT-6 Astra, Says We May Have Entered the AGI Era vor 17 Std. 📆 03.09.2026 um 22:08 Uhr Vorschau Weiterlesen ↗ 📰 🔧 AI Nachrichten The Mac Observer Claude Comes to CarPlay as Fifth Major AI Chatbot App vor 17 Std. 📆 05.09.2026 um 05:31 Uhr Vorschau Weiterlesen ↗ ➕ Mehr Beiträge laden Laden... Videos werden geladen ... Beiträge Videos Laden... Beiträge werden geladen ... Laden... Videos werden geladen ... Beiträge Videos Laden... Beiträge werden geladen ... Laden... Videos werden geladen ... Beiträge Videos Laden... Beiträge werden geladen ... Laden... Videos werden geladen ... Beiträge Videos Laden... Beiträge werden geladen ... Laden... Videos werden geladen ... Powered by tsecurity.de tsecurity.de Hub 🚀 Auf tsecurity.de entdecken 💬 Kommentare werden geladen… Seitenleiste TSecurity Zero-Day Intelligence Briefing Bleibe Cyber-Bedrohungen einen Schritt voraus Erhalte kuratierte Top-Security-Alerts, CVE-Advisories & Exploit-Warnungen direkt in dein Postfach. 100% werbefrei & DSGVO-konform. Abonnieren 0 🔖 Gespeicherte Artikel 📂 Keine gespeicherten Artikel vorhanden. Alle Lesezeichen verwalten ➔ 📂 News ⏱️ 3 Min vor 10 Min Artikeldaten werden geladen... ↗ Original-Quelle 💬 Chat 🔖 Merken 🔗 Teilen Im Vollbild öffnen ↗ ▲ 0 ▼ 🔥 LESE-STREAK 1 Tage in Folge aktiv 📸 SOCIAL SHARE CARD GENERATOR Format: 1200 x 630 px (Optimal für LinkedIn, 𝕏 & Instagram Stories) 📋 Bild kopieren 📥 Als PNG herunterladen PERSONALIZED SOCIAL WEEKLY DIGEST Generierter Markdown-Report (für LinkedIn, 𝕏, Substack & Team-Briefings): Basiert auf deinen gemerkten Beiträgen 📋 Text kopieren 📥 Als .md herunterladen 👤 CREATOR PROFIL & SOCIAL REPUTATION Autor 🔔 Folgen KARMA SCORE 0 BEITRÄGE 0 FOLLOWER 0 Zum Aktualisieren ziehen ZERO-DAY Kritische Sicherheitsmeldung Advisory → TTS Reader • tsecurity.de Voice 1.0x tsecurity.de App Offline-Lesen, Eilmeldungen & 0ms Ladezeit Installiere tsecurity.de direkt auf deinen Home-Bildschirm für das ultimative Vollbild-Magazinerlebnis ohne Browser-Leisten. Jetzt kostenlos installieren Nächster Beitrag >_ 💬 Community Radar LIVE 🤖 Community Radar & Live Chat Sentinel Bot online • Live-Stream 🔔 Dein Cluster: Security Explorer 👥 Match: lädt… 💬 Live-Stream 💡 Themen-Radar 📡 Mein Radar #cve-alerts 🚨 #incident-response 🤖 #ki-security ☕ #lounge Verbindung zum Community-Stream wird aufgebaut... /cve 📄 /quote /threat 💡 /discuss ❓ /help 👤 Leser 🛡️ Researcher 💻 Dev 🔥 🛡️ 💡 🚀 👍 ❤️ 😂 🤔 ➤ 📡 Aktivitäten deiner Analysten lädt… 💡 Neues Thema oder Eilmeldung einreichen Reiche interessante Links, Zero-Days oder Debatten ein. Die Community entscheidet per Upvote über die Veröffentlichung. Einreichen 🔥 Heiß diskutierte Einreichungen 🔄 Aktualisieren 🔥 TRENDING VOTE vor 12s tsecurity.de Live Threat Radar Aktuelle Bedrohungslagen & Sicherheits-Analysen Jetzt ansehen tsecurity.de Community Exklusive Security Intelligence & Cloud-Sync 0-Day CVE Alerting Geräteübergreifende Merkliste Experten-Diskussionen Karma & Leaderboard ✨ Kostenlos Beitreten (10s) 🔑 Anmelden Registriere dich kostenlos, um dieses Feature zu nutzen. Benutzername / Alias @ E-Mail-Adresse (für Benachrichtigungen) Passwort (mind. 8 Zeichen) Deine Interessensgebiete (optional): Zero-Days ☁️ Cloud Security 🎯 Pentesting 🐧 Linux & Kernel 🤖 AI Security Cyberbriefing abonnieren: Wöchentliche Top-CVEs, 0-Day Intelligence & Incident-Reports kostenlos per E-Mail. Ich stimme der Datenschutzerklärung und den AGB zu (DSGVO-konform, Double-Opt-In). 🚀 Jetzt kostenlos registrieren oder Mit GitHub fortfahren Benutzername oder E-Mail Passwort Passwort vergessen? 2FA-Code (oder Recovery-Code) 🔐 Code prüfen & anmelden 🔑 Jetzt anmelden oder Mit GitHub fortfahren Gib deine E-Mail-Adresse an — du erhältst einen Link zum Zurücksetzen (1 Stunde gültig, einmalig nutzbar). E-Mail-Adresse 🔗 Reset-Link anfordern ← Zurück zur Anmeldung Setze ein neues Passwort (mind. 8 Zeichen). Neues Passwort 🔑 Passwort setzen ← Zurück zur Anmeldung 100% DSGVO-konform • Keine Werbung • Jederzeit löschbar 🎉 E-Mail bestätigt! Willkommen im TSecurity Cyberbriefing Netzwerk. Dein Account und dein +50 Karma-Startbonus wurden erfolgreich aktiviert. Cyberbriefing aktiviert 0-Day CVE-Alerts freigeschaltet 🔑 Jetzt anmelden 🧭 Willkommen — 3 Schritte zu deinem Radar Schritt 1/3 Bestätige deine Fachgebiete — daraus entstehen Peer-Matches und dein persönlicher Radar-Feed. Tags laden… + Hinzufügen Bis zu 8 Tags — kleinbuchstig, Bindestrich ok. Folge Analysten — ihre Kommentare und Radar-Beiträge landen in „Mein Radar“. 0 gefolgt (empfohlen: 3) Vorschläge laden… Fast fertig — richte dir deine Kanäle ein: 🔔 Push für CVE-Alerts & DMs aktivieren Aktivieren 💬 Live-Radar-Chat & Themen testen Öffnen 📡 Dein persönlicher Feed Chat-Drawer → Tab „Mein Radar“ Überspringen Zurück Weiter ⌨️ Tastaturkürzel ESC schließt