Todos los artículos

LiteRT vs TensorFlow Lite: qué es LiteRT y qué cambia con el nuevo nombre

Xuban

LiteRT es TensorFlow Lite con un nombre nuevo. No es un runtime nuevo ni un formato de archivo nuevo. Los modelos siguen siendo archivos .tflite, y todos los archivos .tflite que funcionaban con TensorFlow Lite funcionan con LiteRT sin cambios.

Si has buscado «LiteRT vs TensorFlow Lite», «¿TensorFlow Lite está obsoleto?» o «¿qué es LiteRT?», ese párrafo es la respuesta. El resto de esta página resume por qué se cambió el nombre y cómo exportar un modelo a este formato con LibreYOLO.

Por qué Google le cambió el nombre

TensorFlow Lite se lanzó en 2017 como la forma de ejecutar modelos TensorFlow en teléfonos y placas integradas. Con los años, su alcance creció mucho: Google creó rutas de conversión desde PyTorch, JAX y Keras, así que para 2024 una gran parte de los modelos que se ejecutaban con él nunca había pasado por TensorFlow.

Llegado ese punto, el nombre inducía claramente a error. Los usuarios de PyTorch lo descartaban porque parecía una herramienta exclusiva de TensorFlow. Así que en septiembre de 2024 Google lo cambió a LiteRT, abreviatura de «Lite Runtime». Eso es todo. El mismo equipo, el mismo código y un nombre independiente del framework.

Qué cambió realmente

Muy poco, y nada de esto rompe nada:

  • El código se trasladó a una nueva ubicación: github.com/google-ai-edge/LiteRT.
  • La documentación se trasladó a ai.google.dev/edge/litert.
  • El paquete de Python para ejecutar modelos ahora se llama ai-edge-litert. El antiguo paquete tflite-runtime está desactualizado; el nuevo tiene la misma clase Interpreter.
  • Desde el cambio de nombre, las nuevas funciones se publican bajo el nombre LiteRT: una API CompiledModel más sencilla y aceleración GPU/NPU, que Google declaró lista para producción en enero de 2026.

La API clásica Interpreter también sigue funcionando tal cual. Hay una extensión realmente nueva, .litertlm, pero es un formato de empaquetado solo para LLM en dispositivos; en lo que respecta a los modelos de visión artificial, no existe. Así que cuando un documento dice «TFLite» y otro dice «LiteRT», se refieren al mismo archivo.

Exportar un modelo LibreYOLO a LiteRT

LibreYOLO añadió una ruta de exportación a TFLite/LiteRT en v1.3.0. Necesita Python 3.12 o superior y un extra:

pip install "libreyolo[tflite]"   # Python 3.12+

from libreyolo import LibreYOLO

model = LibreYOLO("LibreYOLO9s.pt")  # auto-downloads on first run
model.export(format="tflite")        # writes a .tflite file

También puedes usar la CLI:

libreyolo export model=LibreYOLO9s.pt format=tflite

Las rutas validadas actualmente son la detección con YOLO9 y la detección, segmentación y estimación de pose con RF-DETR; todas siguen marcadas como experimentales. La matriz completa de compatibilidad está en la documentación.

Para ejecutar el archivo exportado, usa el paquete de Google ai-edge-litert en el dispositivo de destino:

pip install ai-edge-litert

import numpy as np
from ai_edge_litert.interpreter import Interpreter

interpreter = Interpreter(model_path="model.tflite")
interpreter.allocate_tensors()

inp = interpreter.get_input_details()[0]
out = interpreter.get_output_details()[0]

image = np.zeros((1, 640, 640, 3), dtype=np.float32)  # NHWC, your preprocessed image here
interpreter.set_tensor(inp["index"], image)
interpreter.invoke()
predictions = interpreter.get_tensor(out["index"])

Ten en cuenta que la entrada usa el formato NHWC (canales al final): la conversión desde ONNX transpone la disposición, lo cual es normal en este formato.

Qué cambiamos en LibreYOLO

No mucho, porque no hacía falta cambiar gran cosa. Ahora la documentación identifica el formato como «TFLite (LiteRT)» para que se pueda encontrar con ambos nombres, y la API conserva format="tflite" como nombre del formato.

Preguntas frecuentes

¿TensorFlow Lite está obsoleto? Se está retirando el nombre, no la tecnología. El runtime sigue como LiteRT con las mismas API, y los modelos y el código TFLite existentes siguen funcionando. El nuevo desarrollo, como la API CompiledModel y la aceleración NPU, se publica bajo el nombre LiteRT.

¿Tengo que volver a exportar mis modelos para LiteRT? No. Un archivo .tflite exportado para TensorFlow Lite es un modelo LiteRT. El archivo no ha cambiado, así que no hay nada que volver a exportar ni migrar.