谷歌将开源机器学习框架搬到了移动端 TensorFlow Lite是为方便开发者开发AI应用 演示程序已发布在GitHub11月14日，谷歌正式发布了深度学习框架TensorFlow Lite——TensorFlow的简化版，一套专为移动和嵌入式设备的轻量级解决方案。
今年初，谷歌已经在智能可穿戴设备上推出第二代Android Wear系统，其首次运用了名为“on-device”的离线机器学习技术，将部分需要云支持的机器学习任务转移到了手机上执行，让本地任何第三方应用都能实现类似于Gmail、Inbox和Allo中那样的基于云的智能回复功能。
之后谷歌就在开发TensorFlow移动版，想让任何开发人员都可以用他们的软件库来轻易地开发出具有AI功能的应用。但是移动设备不同于桌面设备，内存小、功耗限制严格且CPU性能差，如果没有硬件加速则连打开应用都吃力，更逞论执行任务。因此，谷歌花了大概10个月的时间来将TensorFlow机器学习软件库小型化，其结果就是文章开头提到的简化版。据悉，TensorFlow Lite具有轻量、跨平台和快速这三大特点，首先是将机器学习模型简化为尺寸更小的二进制文件，使得任何移动和嵌入式是被都能快速初始化和启动，然后分别为安卓和iOS应用提供了Java和C++两套API，使之能够跨平台运行，最后则是提供硬件加速驱动，让小内存、低算力的设备上也能使用，但在加速器不可用的情况下依然会退回到CPU中运算。
TensorFlow Lite已支持多个面向移动端训练和优化的模型，比如能识别超过1000中不同物体的视觉模型MobileNet、功能类似MobileNet但模型更复杂且精度更高的Inception V3、和Allo智能回复功能类似但不需要联网的对话模型Smart Reply。其中，Inception v3和MobileNet都已经由谷歌预先训练好，开发者可上手即用。
当然，和桌面端的TensorFlow比起来Lite版确实很弱，连iOS的神经网络API都还不支持，这是因为目前谷歌的主要任务还是先让开发者们在不太稳健的设备中部署好，将依赖于云服务的AI应用的延迟降下来，后期再来快速迭代添加功能。作为范例，谷歌在发布TensorFlow Lite的同时还提供了开源的演示应用——一个相机APP，能持续使用MobileNet模型来分类图片，只要是安卓5.0及以上的设备都支持。目前源代码已发布，访问http://t.cn/RjxNpaR即可下载。
文章目录
谷歌
谷歌于1998年9月成立于美国加州，是全球三大科技巨头之一，主业是搜索引擎技术服务商，创始人为拉里·佩奇、谢尔盖·布林。现任CEO为桑德尔·皮蔡。2015年10月，谷歌重组后成为Alphabet的子公司之一，旗下拥有搜索业务、Android业务、地图业务、AdSense广告业务、云服务以及YouTube子公司。
评论