最新发布的TensorFlow Lite Model Maker工具能使用转移学习使机器学习模型，适应开发者自定义的资料集。Model Maker使用API封装了複杂的机器学习概念，让开发人员仅需要撰写几行软件定制程式码，就能以TensorFlow框架训练模型，并将模型部署到装置上的人工智慧应用程式。
TensorFlow Lite在2017年时发布，专为边缘装置设计的TensorFlow模型预测框架，是TensorFlow的精简版本，让开发者可以在行动、物联网与嵌入式装置中部署机器学习模型，目前已经被大量部署于全球40亿个装置中，支援Android、iOS以及Linux的物联网装置和微控制器。
Model Maker是要让开发者能够根据自己的使用案例，自定义预训练模型，使这些预训练模型能够应用开发者的资料集，Model Maker支援TensorFlow Hub上各种可用的模型，同时也包括这次新发布的EfficientNet-Lite、MobileBERT以及ALBERT模型，开发者只需要修改一行程式码，就可以切换使用不同模型基础架构。Model Make目前支援两种使用案例，分别是图像分类以及文字分类。
而官方新发布的EfficientNet-Lite、MobileBERT以及ALBERT三种模型基础架构，可提供开发者应用于更广泛的使用案例，解决各式问题。EfficientNet-Lite是一种新型的图像分类模型，仅需要少量的计算以及参数，就能够实现高精准度的预测结果；EfficientNet-Lite模型针对TensorFlow Lite进行了最佳化，能以可忽略的精度损失支援量化，并由GPU达到更快速的预测。
