首页 资讯头条人工智能正文

谷歌的TensorFlow Lite模型制作工具可为设备上的AI调整最新模型

2020-04-15_065226.jpg

谷歌今天宣布推出 TensorFlow Lite Model Maker,该工具使用称为转移学习的技术将最新的机器学习模型适应自定义数据集。它使用API封装了机器学习概念,使开发人员仅需几行代码即可在Google的TensorFlow AI框架中训练模型,并将这些模型部署到设备上的AI应用程序。

像Model Maker这样的工具可以帮助公司比以往更快地将AI纳入其工作流程。根据Algorithmia进行的研究,50%的组织花费8至90天的时间来部署单个机器学习模型,其中大多数将持续时间归咎于无法扩展。

Model Maker目前仅支持图像和文本分类用例,可与TensorFlow Hub(Google的可重用机器学习模块库)中的许多模型配合使用。(本文中的“模块”是指自包含的算法以及可用于不同AI任务的资产。)本质上,Model Maker根据几个参数,将针对一项任务训练的模型以不同的准确度应用于另一项相关任务一开始就指定。

使用Model Maker可以通过更改模型体系结构来提高模型准确性,该模型体系结构需要编辑一行代码。加载特定于设备上AI的输入数据后,Model Maker会评估模型并将其导出为TensorFlow Lite模型。(TensorFlow Lite是TensorFlow的一个版本,针对移动,嵌入式和物联网设备进行了优化。)

由TensorFlow Lite Model Maker创建的模型具有附加的元数据,包括机器可读参数(例如均值,标准差,类别标签文件)和人类可读参数(例如模型描述和许可证)。Google指出,许可证等字段对于确定是否可以使用模型至关重要,而其他系统则可以使用机器可读的参数来生成包装器代码。

在接下来的几个月中,Google打算增强Model Maker,以支持更多任务,包括对象检测和一些自然语言处理任务。具体来说,它说它将为诸如问答之类的应用程序添加BERT(一种用于自然语言处理的预训练技术)。

Model Maker的发布紧随API(量化意识培训(QAT))之后,该API 可以训练更小,更快的TensorFlow模型,并具有量化的性能优势(将输入值从较大的集合映射到较小的输出值的过程设置),同时保持接近原始精度。今年早些时候,Google 在TensorFlow开发峰会上发布了TensorFlow Quantum,这是一种用于训练量子模型的机器学习框架。

版权声明

本文仅代表作者观点,不代表本站立场。
本文系作者授权发表,未经许可,不得转载。

Copyright © 2020 未知资讯 特别赞助:智慧城市 群晖NAS 苏ICP备19070053号-2