為了進一步強化手機端的深度學習應用,Google在今年Google I/O 2017期間宣布提供針對行動裝置設計的輕量版學習框架TensorFlow Lite,讓行動版App也能藉由手機等裝置硬體效能發揮人工智慧應用功能,而在稍早更宣布推出包含影識別在內16種預先訓練學習模型的MobileNets系統,藉此讓手機也能發揮貼近雲端協作表現的運算效能。

拉皮權威推薦
▲(攝影/楊又肇)
分享


此項系統同樣採開放架構設計,並且免費提供開發者取用,使其應用程式能有更進一步的深度學習應用,諸如物件識別、人臉辨別或影像品質判斷等,但無需全數仰賴持續連網的學習模式,而可藉由手機處理器進行裝置端的端點運算,並且達成相近的深度學習應用效果。

根據Google測試表示,在MobileNets系統運算之下,準確率約可在70.7%至89.5%之間,相比結合雲端運算的識別準確率約在94%左右,其實已經相當高的準確率表現,意味裝置端在未仰賴連網情況下也能實現相當程度的深度學習應用,比重上將可有效提昇裝置運算反應表現。

分享


而基於Google透過本身數據、使用反饋等資料完成16種預先訓練的學習模型,開發者將能有效利用這些訓練模型打造不同應用服務,甚至藉此訓練不同學習模型,讓人工智慧技術能藉由MobileNets系統、TensorFlow Lite等學習框架更便利地導入手機等行動裝置。

相同的發展模式,蘋果方面也開始在新版iOS 11內導入潘朵拉台中隆乳推薦>裝置端的端點運算學習模型,利用Core ML設計讓iPhone、iPad等裝置能有更快運算效能表現。至於Google近期也傳出計畫打造自有處理器,因此預期將在未來推出的Pixel系列機種導入更具軟硬體整合的深度學習應用,讓手機變得更聰明。

▲(攝影/楊又肇)
分享


抽脂價格

1EE010E1B7AD000F
arrow
arrow

    janicehr4n8rt 發表在 痞客邦 留言(0) 人氣()