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醫美輕量版學習框架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。
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台中超音波抽脂推薦台中隆乳裝置運算反應表現。
而基於Google透內視鏡隆乳過本身數據、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。
1EE010E1B7AD000F
留言列表
