На прошедшей неделе Venturebeat опубликовал релиз компании Google о выходе TensorFlow Lite, которая даёт возможность разработчикам приложений использовать искусственный интеллект в мобильных сервисах. Мобильная версия программы популярного открытого исходного кода Google впервые была анонсирована на конференции разработчиков I/O.

TensorFlow Lite доступна для разработчиков приложений Android и IOS.

Со времен дебюта TensorFlow Lite в мае появилось несколько конкурирующих продуктов, таких как Core ML от Apple, облачный сервис Clarifai для изучения искусственного интеллекта на мобильном устройстве и оборудование вроде процессора искусственного интеллекта Kirin 970 в смартфоне Huawei Mate 10.

“Как вам известно, TensorFlow уже поддерживает мобильную и встроенную версию моделей с помощью мобильного интерфейса TensorFlow”, — написала команда TensorFlow в своём блоге 14 ноября. “В перспективе TensorFlow Lite следует рассматривать как эволюцию мобильного TensorFlow и, по мере развития, оно послужит главным решением для использования в мобильных и встроенных устройствах. Сразу после этого объявления TensorFlow Lite стал доступен в качестве предварительной версии для разработчиков, а TensorFlow Mobile по-прежнему доступен, чтобы поддерживать существующие приложения”.

TensorFlow Lite запускается с доступом к ограниченному числу предварительно подготовленных моделей искусственного интеллекта, среди которых MobileNet и Inception-v3 для идентификации объектов с машинным зрением и Smart Reply (тип естественной лингвистической обработки, который выдаёт предложенные ответы и доступен в родных приложениях Google, таких как Gmail и мобильный чат Allo).

Кастомизированные модели, подготовленные с персональным набором данных пользователей, также могут быть использованы.

Ещё больше моделей и функциональных возможностей в будущем будут добавляться, основываясь на потребностях, которые продемонстрируют пользователи, поясняет команда TensorFlow в своём блоге.

TensorFlow Lite использует интерфейс Android Neutral Networks и отходит от применения центрального процессора, когда аппаратные ускорители не доступны. Это делается для того, чтобы убедиться, что модели могут функционировать на различных устройствах.

Google запустил для разработчиков предварительную версию TensorFlow Lite для мобильного машинного обучения
Оценка