谷歌发布TensorFlow Lite：移动端+快速+跨平台部署深度学习
大数据文摘作品
作者：龙牧雪 魏子敏
相隔近半年，谷歌TensorFlow Lite终于正式发布。
11月15日凌晨，谷歌正式发布了TensorFlow Lite开发者预览版（developer preview）。
Google I/O 2017终于来了：GoogleLens，谷歌云TPU横空出世，Youtube直播打赏受争议
TensorFlow Lite旨在为智能手机和嵌入式设备创建更轻量级的机器学习解决方案。
正如它的名字"Lite"一样，“轻量级”是谷歌最希望向我们传递的信息。谷歌在其开发者博客中指出，TensorFlow Lite的主要亮点是：
-
跨平台：可以在许多不同平台上运行，安卓和iOS应用开发者都可以使用
-
快速：针对移动设备进行了优化，包括快速初始化，显著提高的模型加载时间，并支持硬件加速
速度！速度！速度！这里的重点不是训练模型，而是让不太稳健的设备也能低延时地运行机器学习模型。这意味着TensorFlow Lite将专注于将模型的现有功能应用于所提供的新数据，而不是从现有数据中学习新的功能——大多数移动设备根本没有足够的处理能力。
TensorFlow Lite框架如下图所示：
其组件包括：
-
TensorFlow 模型（TensorFlow Model）：保存在磁盘中的训练模型。
-
TensorFlow Lite 转化器（TensorFlow Lite Converter）：将模型转换成 TensorFlow Lite 文件格式的项目。
-
TensorFlow Lite 模型文件（TensorFlow Lite Model File）：基于 FlatBuffers，适配最大速度和最小规模的模型。
此前，通过TensorFlow Mobile API，TensorFlow已经支持手机上的模型嵌入式部署。TensorFlow Lite应该被视为TensorFlow Mobile的升级版。
本次发布的是开发者预览版，并非完整版本，依然有待完善。谷歌团队表示，基于用户的需求，他们将推出更多模型和功能。随着TensorFlow Lite逐渐成熟，它将成为在手机和嵌入式设备上部署模型的标配。
伴随着TensorFlow Lite的发布，也有少量预训练AI模型面世，比如MobileNet、用于计算机视觉物体识别的Inception v3、用于自然语言处理的Smart Reply（Gmail和谷歌的聊天软件Allo中已经用到Smart Reply来为用户提供回复内容的建议）。TensorFlow Lite上也可以部署用自己的数据集定制化训练的模型。
TensorFlow Lite使用的是Android Neural Networks API，可以在没有硬件加速时调用CPU处理，确保模型在不同设备上的运行。
自今年5月谷歌宣布该项目以来，多家竞争对手相继推出了适配移动端的AI架构，包括苹果CoreML、Clarifai这样的框架，和华为Mate10里用到的麒麟970处理器等。
“通过这一开发者版本，我们希望在一个略受限的平台上，优先确保几个最重要常见模型的运转效率。”TensorFlow开发团队如此解释，“我们会根据用户需要调整未来的功能扩展优先级。我们的目标是简化开发，并且确保其在移动端的性能。”
谷歌终于发布的TensorFlow Lite尽管是一个轻量级版本，依然是在智能手机和嵌入式设备上部署深度学习的一大动作。
One more thing
今日早晨，谷歌翻译广告出现在微信
信息来源：venturebeat, techcrunch, googleblog
精品课程
数据科学实训营第4期
优秀助教推荐|姜姜
作为一枚对数据分析的理解仅限于Excel的小白，曾经一直认为通过写代码来分析数据是件无比高大上的事。可是，在文摘的数据科学实训营居然就实现了！
手把手的教学方式，助教和同学们热烈的交流讨论，让我慢慢地觉得一行行代码如此亲切。而当把自己头脑中的构思通过代码实现，看到结果的那一刻，真是无比激动！
经过Kaggle、天池的案例的历练，对这些数据比赛也开始兴趣盎然，有没有小伙伴有兴趣一起去玩一玩的？
作为第4期的北美地区助教，寄语各位学员：前方高能，请准备好足够的时间，如果你能按时提交作业，结业时一定脱胎换骨。
往期精彩文章
点击图片阅读
Yann LeCun说是时候放弃概率论了，因果关系才是理解世界的基石
