谷歌發(fā)布了新的設備上的機器學習解決方案的源代碼

谷歌已經向開源社區(qū)開放了兩個機器學習(ML)設備系統(tǒng)的源代碼，MobileNetV 3和MobileNetEdgeTPU。谷歌研究公司(Google Research)的軟件和硅工程師安德魯·霍華德(Andrew Howard)和蘇約格·古普塔(Suyog Gupta)周三在一篇博文中表示，MobileNetV 3的源代碼和檢查點以及Pixel 4 Edge的優(yōu)化對口MobileNetEdgeTPU現在都可以使用了。

用于響應智能的設備上ML應用程序的設計考慮到了功率限制的設備，包括我們的智能手機、平板電腦和物聯(lián)網(物聯(lián)網)電子產品。

另請參閱：Google更新具有可自定義AI功能的CallJoy電話代理

谷歌表示，對移動智能的需求促使人們對算法高效的神經網絡模型和硬件進行了研究，它們“能夠每秒執(zhí)行數十億次數學運算，同時只消耗幾毫瓦的電能”，比如谷歌像素4(Google Pixel 4)的像素神經核心(Pixel NeuralCore)。

谷歌表示，最新的MobileNet產品包括對建筑設計、速度和準確性的改進。在移動CPU上，用戶可以預期MobileNetV 3的運行速度將是MobileNetV 2的兩倍，而MobileNetV 2是通過AutoML和NetAdapt支持的，而NetAdapt已經切斷了未充分利用的激活通道。

CNET：華為禁令：特朗普的科技主管抨擊與中國公司合作的國家的完整時間表

還實現了一種新的激活函數，稱為硬Swish（h-swish），以改善移動設備上的功能，降低瓶頸的風險..與MobileNetV2相比，整體延遲降低了15%，目標檢測延遲降低了25%。

MobileNetEdgeTPU模型--類似于Coral產品中的Edge TPU，但針對Pixel 4中的相機特性進行了調整--與早期版本相比，現在也提高了準確性，同時降低了運行時和功率的要求。

谷歌并沒有開始減少這種模式的電力需求，但是與基本的MobileNetV 3相比，MobileNetEdgeTPU消耗的能量減少了50%。

TechRepublic：IBM的社會工程師輕易黑進了兩名記者的信息

MobileNetV 3和MobileNetEdgeTPU代碼現在可以從MobileNet GitHub存儲庫訪問。

開發(fā)人員還可以從TensorFlow對象檢測API頁面獲取MobileNetV 3和MobileNetEdgeTPU對象檢測的開源實現的副本，DeepLab正在托管MobileNetV 3語義分段的開源實現。

有小費嗎？在447713 025499或以上通過WhatsApp電話：charlie 0安全地與您取得聯(lián)系。