谷歌調(diào)試用于設(shè)備上機器學(xué)習(xí)的TensorFlow Lite模型生成器

谷歌有限責(zé)任公司今天宣布了一種新的工具，稱為TensorFlowLite模型制造者，它使用一種稱為轉(zhuǎn)移學(xué)習(xí)的技術(shù)來使機器學(xué)習(xí)模型適應(yīng)自定義數(shù)據(jù)集。

TensorFlowLite是Google的TensorFlow框架的一個精簡版本，用于訓(xùn)練機器學(xué)習(xí)模型。 這是開發(fā)人員在移動、嵌入式和物聯(lián)網(wǎng)設(shè)備上運行TensorFlow模型的一組工具。 它使設(shè)備上機器學(xué)習(xí)的操作具有較低的延遲和較小的代碼大小。

據(jù)說模型制造者將機器學(xué)習(xí)概念與應(yīng)用程序編程接口結(jié)合起來，開發(fā)人員可以使用這些接口來訓(xùn)練TensorFlowLite框架中的模型，只需使用幾行代碼。 然后，它可以用于在設(shè)備應(yīng)用程序中部署這些模型，谷歌說。

該工具與TensorFlowHub中的許多模型兼容，TensorFlowHub是可重用的機器學(xué)習(xí)模塊的庫.. 模型制造者所做的是采取這些模型，這些模型已經(jīng)被訓(xùn)練為一個特定的任務(wù)，并重新訓(xùn)練他們?yōu)榱硪粋€相關(guān)的任務(wù)。 它可以在不同的精度水平下這樣做，這取決于開發(fā)人員在一開始設(shè)置的任何參數(shù)。

谷歌說，開發(fā)人員可以通過只更改一行代碼來適應(yīng)ModelMaker的體系結(jié)構(gòu)來提高新模型的準(zhǔn)確性。 一旦加載了特定設(shè)備上AI的輸入數(shù)據(jù)，模型制造者就會評估該模型，然后將其導(dǎo)出為TensorFlowLite模型。

谷歌表示，它計劃加強模型制造者，以支持更多的人工智能任務(wù)，包括自然語言處理和對象檢測。 例如，它計劃添加BERT，這是NLP的一種培訓(xùn)技術(shù)，它允許問答應(yīng)用程序。

星座研究公司(Constellation Research Inc.)分析師霍爾格·穆勒(Holger Mueller)表示，模型制造商的推出只是谷歌長期以來努力實現(xiàn)人工智能民主化的最新一次。