zh-CN: build_rpi.md

site/zh-cn/lite/g3doc/guide/build_rpi.md

@@ -0,0 +1,40 @@
+# 在树莓派上构建 TensorFlow Lite
+## 交叉编译
+### 安装工具链
+此功能已在64位的 ubuntu 16.04.3 和 Tensorflow devel docker image [tensorflow/tensorflow:nightly-devel](https://hub.docker.com/r/tensorflow/tensorflow/tags/) 上测试。
+要使用 TensorFlow Lite 交叉编译功能，应先安装工具链和相关的库。
+```bash
+sudo apt-get update
+sudo apt-get install crossbuild-essential-armhf
+```
+如果您使用 Docker，您可能无法使用 `sudo`。
+### 构建
+克隆此Tensorflow库，在库的根目录下运行此脚本以下载所有依赖项：
+> tensorflow库在 /tensorflow 下。如果您使用的是 docker 镜像 tensorflow/tensorflow:nightly-develimage，则会使用Tensorflow存储库，尝试使用以下命令即可。
+```bash
+./tensorflow/lite/tools/make/download_dependencies.sh
+```
+请注意，您只需要执行一次此操作。
+然后您便能够编译：
+```bash
+./tensorflow/lite/tools/make/build_rpi_lib.sh
+```
+这将编译一个静态库,它位于：
+tensorflow/lite/tools/make/gen/rpi_armv7l/lib/libtensorflow-lite.a.
+## 本地编译
+这已经在Raspberry Pi 3b，Raspbian GNU / Linux 9.1（stretch），gcc版本6.3.0 20170516（Raspbian 6.3.0-18 + rpi1）上进行了测试。
+登录Raspberry Pi，安装工具链。
+```bash
+sudo apt-get install build-essential
+```
+首先，克隆TensorFlow库。在库的根目录运行：
+```bash
+./tensorflow/lite/tools/make/download_dependencies.sh
+```
+请注意，您只需要执行一次此操作。
+然后您便能够编译：
+```bash
+./tensorflow/lite/tools/make/build_rpi_lib.sh
+```
+这将编译一个静态库,它位于：
+tensorflow/lite/tools/make/gen/lib/rpi_armv7/libtensorflow-lite.a 。

site/zh-cn/lite/g3doc/guide/ops_version.md

@@ -0,0 +1,133 @@
+# Tensorflow Lite 管理员版本
+本文档描述了 TensorFlow Lite 的管理员版本架构。管理员版本允许开发人员能够将新功能和参数添加到现有版本中。此外，它保证以下内容：
+> 后向兼容性：新版本的 TensorFlow Lite 可以处理旧版本的模型文件。                                                                               
+> 前向兼容性：只要没有使用新功能，旧版本的 TensorFlow Lite 可以处理由新版 TOCO 生成的新版本的模型文件。                                            
+> 前向兼容性检测：如果旧的 TensorFlow Lite 读取包含不支持的新版本的模型，则应报告错误。
+## 示例：在一个卷积中使用卷积核膨胀
+本文档的其余部分通过展示如何在卷积操作中添加膨胀系数来解释 TFLite 中的操作员版本。
+了解本文档不需要了解卷积核膨胀的知识。注意：
+> 将添加2个新的整数参数：'dilation_width_factor' 和 'dilation_height_factor'。                             
+> 不支持膨胀的旧卷积核相当于将扩张因子膨胀系数设置为1。
+## 更改 FlatBuffer 架构
+要将新参数添加到 op 中，请更改选项表 lite/schema/schema.fbs。
+例如，卷积选项表如下所示：
+```
+table Conv2DOptions {
+  padding:Padding;
+  stride_w:int;
+  stride_h:int;
+  fused_activation_function:ActivationFunctionType;
+}
+```
+添加新参数时：
+> 添加注释，指明哪个版本支持这些参数。                                                                     
+> 新版本的 Tensorflow Lite 获取新添加的参数的默认值时，它应该与旧版本完全相同。
+添加新参数后，参数表如下所示：
+```
+table Conv2DOptions {
+  // Parameters supported by version 1:
+  padding:Padding;
+  stride_w:int;
+  stride_h:int;
+  fused_activation_function:ActivationFunctionType;
+
+  // Parameters supported by version 2:
+  dilation_width_factor:int = 1;
+  dilation_height_factor:int = 1;
+}
+```
+## 更改 C 结构和内核实现
+在 TensorFlow Lite 中，内核实现与 FlatBuffer 定义分离。内核从 lite/builtin_op_data.h 中定义的 C 结构文件中读取参数 。
+原始卷积参数如下：
+```
+typedef struct {
+  TfLitePadding padding;
+  int stride_width;
+  int stride_height;
+  TfLiteFusedActivation activation;
+} TfLiteConvParams;
+```
+与 FlatBuffer 架构一样，添加注释，指明从哪个版本开始支持这些参数。结果如下：
+```
+typedef struct {
+  // Parameters supported by version 1: TfLitePadding padding; int
+  stride_width;
+  int stride_height;
+  TfLiteFusedActivation activation;
+
+  // Parameters supported by version 2:
+  int dilation_width_factor;
+  int dilation_height_factor;
+} TfLiteConvParams;
+```
+请同时更改内核实现以从 C 结构中读取新添加的参数。具体细节省略。
+## 更改 FlatBuffer 阅读代码
+读取 FlatBuffer 和生成 C 结构的逻辑是 lite/model.cc。
+更新该文件以处理新参数，如下所示：
+```
+case BuiltinOperator_CONV_2D: {
+  TfLiteConvParams* params = MallocPOD<TfLiteConvParams>();
+  if (auto* conv_params = op->builtin_options_as_Conv2DOptions()) {
+    params->padding = parse_padding(conv_params->padding());
+    params->stride_width = conv_params->stride_w();
+    params->stride_height = conv_params->stride_h();
+    params->activation =
+        parse_activation(conv_params->fused_activation_function());
+    params->dilation_width_factor = conv_params->dilation_width_factor();
+    params->dilation_height_factor = conv_params->dilation_height_factor();
+  }
+  *builtin_data = reinterpret_cast<void*>(params);
+  break;
+}
+```
+这里不需要检查操作版本。当新版本的阅读代码读取缺少膨胀系数的旧模型文件时，它将使用 1 作为默认值，并且新内核将与旧内核一致地工作。
+## 改变内核注册
+MutableOpResolver（定义于 lite/op_resolver.h）提供了一些注册 op 内核的函数。默认情况下，最小和最大版本号为1：
+```
+void AddBuiltin(tflite::BuiltinOperator op, TfLiteRegistration* registration,
+                int min_version = 1, int max_version = 1);
+void AddCustom(const char* name, TfLiteRegistration* registration,
+               int min_version = 1, int max_version = 1);
+```
+内置操作已注册于 lite/kernels/register.cc 。在这个例子中，我们要实现一个新的 op 内核，可以处理 Conv2D 的版本 1 和 2，所以我们需要改变这一行：
+```
+AddBuiltin(BuiltinOperator_CONV_2D, Register_CONV_2D());
+```
+至：
+```
+AddBuiltin(BuiltinOperator_CONV_2D, Register_CONV_2D(), 1, 2);
+```
+## 改变 TOCO TFLite 输出
+最后一步是让 TOCO 填充执行操作所需的最低版本。在这个例子中，它意味着：
+> 当膨胀系数均为1时，填充版本 = 1。                                                                       
+> 否则填充版本 = 2。
+为此，您需要覆盖 GetVersion 运算符类的函数，位于                                                           
+lite/toco/tflite/operator.cc。
+对于只有一个版本的操作，该 GetVersion 函数定义为：
+```
+int GetVersion(const Operator& op) const override { return 1; }
+```
+支持多个版本时，请检查参数并确定 op 的版本，如以下示例所示：
+```
+int GetVersion(const Operator& op) const override {
+  const auto& conv_op = static_cast<const ConvOperator&>(op);
+  if (conv_op.dilation_width_factor != 1 ||
+      conv_op.dilation_height_factor != 1) {
+    return 2;
+  }
+  return 1;
+}
+```
+## 委托实施
+TensorFlow Lite 提供了一个委托 API，可以将操作委派给硬件后端。在 Delegate 的 Prepare 函数中，检查该版本是否支持委派代码中的每个节点。
+```
+const int kMinVersion = 1;
+TfLiteNode* node;
+TfLiteRegistration;
+context->GetNodeAndRegistration(context, node_index, &node, &registration);
+
+if (registration->version > kMinVersion) {
+  // Reject the node if the version isn't supported.
+}
+```
+即使委派仅支持在版本 1 操作，这也是必需的，这使委派可以在获得更高版本操作时检测到不兼容性。