TensorFlow Lite+Android,Google要搞的大事情

版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/gshengod/article/details/78546867
近日谷歌开源了TensorFlow的终端版本TensorFlow Lite,这个版本的发布其实早在预料之中,但又能从这件事看出未来谷歌整个生态版图的一些端倪,接下来就让博主为大家分析一下。


首先为什么说TensorFlow Lite的发布早在意料之中呢?因为TensorFlow在之前的版本中已经发布了Android可运行的版本,我们知道Android是谷歌的另一大开源利器,也就是说谷歌从一开始就设想将终端系统Android和TensorFlow做一个整合。下面集中讨论下,这两大框架的整合到底能产生什么价值。大家都知道现在IT领域最火的两个技术,一个是人工智能,另外一个是物联网(IOT)。Android是大部分物联网设备未来的内在系统,而TensorFlow又是业内标准的训练框架,这两个系统的整合将会产生巨大的化学反应。


先来看下人工智能和物联网领域融合所面临的主要挑战,以机器人为例。目前有很大的机器人公司都希望机器人作为智能的载体为人类提供服务,需要机器人能听、说、读、写,这些背后的功能就是深度学习的识别模型。在将这些人工智能模型服务化的过程中会面临以下一些挑战:
1. 如果模型文件太大,比如机器人的图像识别、语音识别模型通常都达到几百兆,这些模型文件如果特别大,当模型非常多的时候,很难在终端部署。
2. 很多机器人的功能需要调用云端服务,那么一旦断网,这些服务就会中断
3. 目前机器人所有模型训练工作全在云端完成,需要数据上传,这就会产生安全风险
4. 数据在云端训练很难实时同步到终端


 
那么通过TensorFlow Lite和Android模型的结合将有效解决以上问题,首先TensorFlow Lite可以大大压缩模型大小,适配终端;另外,TensorFlow Lite完全可以将模型的serving本地部署,并且提升效率,解决了断网情况造成的影响。最后,未来随着终端硬件能力的升级,完全可以做到训练在终端本地完成,这样对于无人驾驶或者机器人领域都将起到性能的大跃进,试想下汽车摄像头边进行路面图像提取边在汽车上直接进行模型训练和预测工作,这些都可以通过TensorFlow Lite+Android的方案解决。


讲到这里其实谷歌要做的事情已经很清晰了,TensorFlow未来会作为Android的算法framework层,为终端设备提供智能服务,
 

这个就是谷歌为物联网的智能化做的提前布局。当这套体系都成为业内标准,那么Android压倒IOS,或者说谷歌建立IOT行业系统标准,只是时间问题。


与作者联系,关注我的微信公众号:凡人机器学习 


阅读更多
想对作者说点什么?

博主推荐

换一批

没有更多推荐了,返回首页