Google正式發(fā)布TensorFlow Lite預(yù)覽版，針對(duì)移動(dòng)/嵌入設(shè)備的輕量級(jí)解決方案

本文作者：汪思穎

2017-11-15 14:45

導(dǎo)語：輕量級(jí)（Lightweight）、跨平臺(tái)（Cross-platform）、快速（Fast）

雷鋒網(wǎng) AI科技評(píng)論消息，日前，谷歌正式發(fā)布 TensorFlow Lite 開發(fā)者預(yù)覽版，這是針對(duì)移動(dòng)和嵌入式設(shè)備的輕量級(jí)解決方案。TensorFlow Lite 是一種全新的設(shè)計(jì)，具有三個(gè)重要功能——輕量級(jí)（Lightweight）、跨平臺(tái)（Cross-platform）、快速（Fast）。

下面是來自 Google Developers Blog 的詳細(xì)信息，雷鋒網(wǎng) AI科技評(píng)論編譯如下。

今天，我們正式發(fā)布 TensorFlow Lite 開發(fā)者預(yù)覽版，這是針對(duì)移動(dòng)和嵌入式設(shè)備的輕量級(jí)解決方案。TensorFlow 可以在許多平臺(tái)上運(yùn)行，從機(jī)架上大量的服務(wù)器到小型的物聯(lián)網(wǎng)設(shè)備，但近幾年，隨著大家使用的機(jī)器學(xué)習(xí)模型呈指數(shù)級(jí)增長，因此需要將訓(xùn)練模型的平臺(tái)擴(kuò)展到移動(dòng)和嵌入式設(shè)備上。TensorFlow Lite 支持設(shè)備上機(jī)器學(xué)習(xí)模型的低時(shí)延推理。

TensorFlow Lite 是一種全新的設(shè)計(jì)，它支持以下功能：

輕量級(jí)（Lightweight）：支持機(jī)器學(xué)習(xí)模型的推理在較小二進(jìn)制數(shù)下進(jìn)行，能快速初始化/啟動(dòng)。
跨平臺(tái)（Cross-platform）：可以在許多不同的平臺(tái)上運(yùn)行，現(xiàn)在支持 Android 和 iOS
快速（Fast）：針對(duì)移動(dòng)設(shè)備進(jìn)行了優(yōu)化，包括大大減少了模型加載時(shí)間、支持硬件加速。

如今，越來越多的移動(dòng)設(shè)備中含有專用的定制硬件來更高效地進(jìn)行機(jī)器學(xué)習(xí)。TensorFlow Lite 支持 Android 神經(jīng)網(wǎng)絡(luò)API（Android Neural Networks API），大家在使用 TensorFlow Lite 時(shí)可以利用這些有用的加速器。

當(dāng)加速器（硬件設(shè)備）不可用時(shí)，TensorFlow Lite 會(huì)返回到 CPU 來執(zhí)行，這將保證模型仍然可以在一大批設(shè)備上快速運(yùn)行。

結(jié)構(gòu)

下圖是 TensorFlow Lite 的結(jié)構(gòu)設(shè)計(jì)：

Google正式發(fā)布TensorFlow Lite預(yù)覽版，針對(duì)移動(dòng)/嵌入設(shè)備的輕量級(jí)解決方案

模塊如下:

TensorFlow Model: 存儲(chǔ)在硬盤上已經(jīng)訓(xùn)練好的 TensorFlow 模型
TensorFlow Lite Converter: 將模型轉(zhuǎn)換為 TensorFlow Lite 文件格式的程序。
TensorFlow Lite Model File: 基于 FlatBuffers 的模型文件格式，針對(duì)速度和大小進(jìn)行了優(yōu)化。

可以將 TensorFlow Lite Model File 部署到 Mobile App ，如上圖中所示：

Java API: 處于 Android App 中 C++ App 上，方便封裝。
C++ API: 加載 TensorFlow Lite Model File，調(diào)用解釋器（Interpreter）。

上面的這兩個(gè)庫在 Android 和 iOS 端都可用。

Interpreter：使用一組運(yùn)算符來執(zhí)行模型。運(yùn)算符可以選擇，如果不含運(yùn)算符，只有70KB，加載所有的運(yùn)算符之后為300KB。比起需要1.5 M(使用一組正規(guī)的操作符)的 TensorFlow Mobile，能使容量大大減小。
在 Android 設(shè)備上，Interpreter 支持 Android神經(jīng)網(wǎng)絡(luò)API，可以用它進(jìn)行硬件加速。如果沒有可用的加速器，則默認(rèn)使用CPU。

開發(fā)人員還可以使用C++ API來自定義 kernel。

模型

TensorFlow Lite 目前支持很多針對(duì)移動(dòng)端訓(xùn)練和優(yōu)化好的模型。

MobileNet：能夠識(shí)別1000種不同對(duì)象類的視覺模型，為實(shí)現(xiàn)移動(dòng)和嵌入式設(shè)備的高效執(zhí)行而設(shè)計(jì)。
Inception v3：圖像識(shí)別模型，功能與 MobileNet 相似，它提供更高的精度，但相對(duì)來說更大。
Smart Reply：設(shè)備對(duì)話模型，可以即時(shí)回復(fù)聊天消息，在 Android Wear 上有使用這一功能。

Inception v3 和 MobileNets 已經(jīng)在 ImageNet 數(shù)據(jù)集上訓(xùn)練了。大家可以利用遷移學(xué)習(xí)來輕松地對(duì)自己的圖像數(shù)據(jù)集進(jìn)行再訓(xùn)練。

關(guān)于TensorFlow Mobile

正如大家知道的那樣，TensorFlow 可以通過 TensorFlow Mobile API 對(duì)模型進(jìn)行移動(dòng)和嵌入式部署。展望未來，TensorFlow Lite 應(yīng)該被看作是 TensorFlow Mobile 的升級(jí)。隨著一步步的成熟，它將成為在移動(dòng)和嵌入式設(shè)備上部署模型的推薦解決方案。

TensorFlow Lite 目前是預(yù)覽版，大家仍然可以使用 TensorFlow Mobile。

TensorFlow Lite 的功能有很多，目前仍處于緊鑼密鼓的開發(fā)階段。這次的發(fā)布中，我們特意使用受限平臺(tái)，來保證一些最重要的常見模型的性能不受到影響。

我們計(jì)劃根據(jù)用戶的需要來考慮未來優(yōu)先擴(kuò)展的功能。我們的開發(fā)目標(biāo)是簡化開發(fā)人員的體驗(yàn)，并讓模型能部署到一系列移動(dòng)和嵌入式設(shè)備上。

很高興開發(fā)者也在幫助TensorFlow Lite項(xiàng)目的順利進(jìn)行。我們將會(huì)以與TensorFlow項(xiàng)目相同的熱情來支持和啟動(dòng)TensorFlow Lite社群。歡迎大家來使用TensorFlow Lite。

更多信息請(qǐng)點(diǎn)擊TensorFlow Lite文件頁面

地址：http://tensorflow.org/mobile/tflite

接下來會(huì)有持續(xù)更新。

via：Google Developers Blog

雷鋒網(wǎng) AI科技評(píng)論編輯整理。

雷峰網(wǎng)版權(quán)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。