Google Thousand Yuan TPU çipi piyasaya sürüldü, TensorFlow Logo'nun yerini aldı ve en son sürüm 2.0'ı piyasaya sürdü
Aufei Tapınağı'ndan Kestane Xiaocha
Qubit Raporu | Genel Hesap QbitAI
Bu sabah erken saatlerde, Google'ın yıllık TensorFlow geliştirici konferansı California'da düzenlendi. Açıkçası bir yazılım etkinliği olmalı, ancak bir donanım konferansı tadıyla doğdu.
Google konferansta iki AI donanımını duyurdu: Yalnızca 1.000 yuan fiyatına sahip TPU içeren bir geliştirme panosu; Linux makine öğrenimi çıkarımını hızlandırabilen bir bilgi işlem çubuğu. Yazılımın yerini aldılar ve bu konferansın kahramanları oldular.
Elbette her zamanki gibi yükseltilen TensorFlow 2.0 Alpha versiyonu da var.Sürüm numarası artırılırken, Logo da popüler bir düz tasarım haline geldi.
Mobil cihazlar günümüzde yapay zeka modellerini gitgide daha yaygın olarak çalıştırdıkça, uç cihazlarda dağıtım için TensorFlow Lite, nihayet 1.0 sürümünü başlattı.
Gelin bu konferansın önemli noktalarını birlikte gözden geçirelim.
Coral, konferansın kahramanı
Coral Dev Board, çıkarılabilir bir modüler sistem ve Raspberry Pi'ye benzer özel bir TPU çipi ile 150 ABD Doları (yaklaşık 1.000 RMB'ye eşdeğer) fiyatına sahip küçük bir bilgisayardır.
Coral'daki Edge-TPU, madeni paranın yalnızca 1/4 boyutundadır, 1 GB LPDDR4 bellek ve 8 GB eMMC depolama alanına sahiptir, Linux veya Android'in Mendel sürümünü yükler ve yerel çevrimdışı işlemleri gerçekleştirebilir.
Makine öğrenimi modellerini eğitmez, ancak çıkarım ve tahmin için yalnızca TensorFlow Lite kullanır, bu nedenle tam yığın çerçeveden daha enerji verimlidir.
Coral, yüksek çözünürlüklü videoda saniyede 30 kare hızında derin bir ileri beslemeli sinir ağı çalıştırabilir veya MobileNet V2 gibi tek bir modeli saniyede 100 kareden fazla bir hızla çalıştırabilir.
Bu kız Coral ile ilginç bir görüntü sınıflandırma uygulaması gösterdi. Geliştirme panosuna bir kamera eklemeniz ve birkaç düğme eklemeniz yeterlidir.
Sağdaki dört düğmenin her biri bir kategoriyi temsil eder.
AI'ya bir turuncu gösterin ve sarı düğmeye bir düzine kez basın.
Portakalları gördüğünüzde sarı ışık yanacak.
Ardından, AI'ya yine turuncu olan TF logosunu gösterin, kırmızı düğmeye on defadan fazla basın.
Ardından, işareti tekrar gördüğünüzde kırmızı ışık yanacaktır.
Şu anda, turuncu kameranın önüne yerleştirilse bile yapay zekanın kafası karışmayacak ve sarı ışığı tereddüt etmeden açacaktır.
Aynı zamanda Google, herhangi bir 64-bit ARM veya x86 platform Debian Linux üzerinde çalışabilen bir Edge TPU içeren bir Coral USB hızlandırıcı da yayınladı.
Coral USB hızlandırıcının fiyatı 75 ABD dolarıdır ve Raspberry Pi ve Linux sistemlerinde makine öğrenimi çıkarımını hızlandırabilir.
Google, böyle bir ürünü piyasaya süren ilk üretici değil. Intel, birkaç yıl önce bir USB sinir ağı hızlandırma bilgi işlem çubuğu piyasaya sürdü, ancak sinir bilgi işlem çubuğu yalnızca Caffe'yi desteklerken, Coral Caffe, TensorFlow ve ONNX'i destekliyor.
PyTorch ONNX'e dönüştürülebildiğinden, Coral aslında PyTorch'u destekleyebilir.
Rakip Facebook'un büyük tanrısı Yann LeCun bile Twitter'da güzel bir yorum yaptı: "Hackaday'da güzel bir özellik".
Ayrıca 25 ABD doları fiyatına sahip 5 megapiksel kamera aksesuarı da bulunmaktadır.
İlk iki donanım zaten resmi web sitesinde sipariş edilebilir ve ayrıntılı teknik belgeleri görüntüleyebilir:
https://coral.withgoogle.com/
TF 2.0 Alpha
TensorFlow ekibi, Keras için daha derin bir sevgiyi ifade etti.
Tf.keras üst düzey API'yi kullanmak, TF'nin kullanımını etkili bir şekilde basitleştirebilir.
Ekip, tf.keras'ın önceki ayarlarının küçük modeller yapmak için kullanıldığını söyledi, ölçeği genişletmek istiyorsak ne yapmalıyız?
Tahmin ediciler güçlü araçlardır.
2.0'da tf.keras, Tahmincilerin enerjisini entegre etti:
Bu şekilde, basit bir API ile genişletilebilir bir API arasında fazladan seçimler yapmaya gerek kalmaz.
Keras'ı öldürmek ve diğer API'leri atmak, yinelemeyi azaltmaktır.
Ek olarak, Eager Execution varsayılan ayar haline geldi. Bununla birlikte, daha hızlı yürütmeye ek olarak, hata ayıklama da daha kolaydır:
"Değişkenler, katmanlar ve degradeler gibi nesneleri incelemek için Python hata ayıklayıcısını kullanabilirsiniz."
Hemen başlayın
TF 2.0'ın Alpha sürümüne başlamak istiyorsanız, TensorFlow'un eğitici ve kılavuzların bulunduğu yeni tasarlanmış dost web sitesine gidebilirsiniz:
https://www.tensorflow.org/alpha
Ekibin sıcak önerisi, önce "Merhaba Dünya" örneğini gözlemlemektir. Başlangıç versiyonu ile Eski sürücü sürümü :
Başlangıç sürümü, başlamanın en kolay yolu olan Keras Sıralı API'yi kullanır; eski sürücü sürümü, zorunlu kipte ileriye doğru ilerlemenin nasıl yazılacağını, özel bir eğitim döngüsü yazmak için GradientTape'in nasıl kullanılacağını ve tf'nin nasıl kullanılacağını gösterir. Kod otomatik olarak derlenir.Ardından, Etkili TensorFlow 2.0 ve diğer kılavuzları okuyun.
Dahası, AutoGraph kılavuzları, kod yükseltme kılavuzları ve Keras ile ilgili diğer kılavuzlar da mevcut.
Yeni sınıflar var
TF 2.0 Alpha sürümünün yayınlanmasıyla birlikte iki derin öğrenme kursu da var, Sıfır tabanlı Yenilebilir.
Onlardan biri, Wu Enda Öğretmen, adı verilen müfredat geliştirmeye katıldı Yapay zeka, makine öğrenimi ve derin öğrenme için TensorFlow'u kullanmaya başlama :
Bu, size TensorFlow'da bir sinir ağı kurmayı, kendi bilgisayar görüntü ağınızı eğitmeyi ve ardından ağı iyileştirmek için evrişimi kullanmayı öğretecek bir dizi pratik kurstur.
Kurs dört haftaya bölünmüştür.
İlk hafta, yeni bir programlama paradigması hakkında bilgi edinin. İkinci haftada bilgisayarla görmeye başlayın. Üçüncü haftada, bilgisayar görüşünü geliştirmek için CNN kullanın. Dördüncü haftada, ağı gerçek dünya görüntüleriyle besleyin.Diğeri, Uda City'de ücretsiz bir kurstur. Derin öğrenme için TensorFlow'a başlarken .
Birinci sınıf hala ders programını anlıyor ve üçüncü sınıf kendi modelimizi eğitmek üzere:
Şimdi, ilk dört sınıf çevrimiçi. Bölüm 5 devam edecek.
Cep telefonları için TF Lite
TF 2.0'ı tanıttıktan sonra, Google TensorFlow Lite mühendisi Raziel Alvarez sahneye çıktı ve TF Lite 1.0 sürümü resmi olarak piyasaya sürüldü.
TensorFlow Lite, mobil ve gömülü cihazlar için bir çapraz platform çözümüdür. Google, TensorFlow'u daha fazla cihazda çalıştırmayı umuyor.
Bilgisayar ve sunucuların yanı sıra hayatımızda cep telefonları, akıllı hoparlörler, akıllı saatler gibi makine öğrenimi modellerini kullanması gereken cihazlar var ve TensorFlow'u çalıştıramıyorlar.
Bu aygıtların TensorFlow'u çalıştırmasını sağlamak için şu zorluklar gerekir: yetersiz bilgi işlem gücü, sınırlı depolama alanı ve pil sınırlamaları.
Makine öğrenimi modellerini mobil ve IoT cihazlarına dağıtabilen hafif (Lite) bir çerçeve olmalıdır.
TensorFlow Lite bu nedenle doğdu. İlk olarak Mayıs 2017'de Google I / O Geliştirici Konferansı'nda lanse edildi. Resmi Google uygulamaları dahil olmak üzere başlıca aşağıdaki yazılımlar aracılığıyla 2 milyardan fazla cihaza dağıtıldı ve China-iQiyi ve NetEase'den iki uygulama.
Ardından Google, Çin'den NetEase'de bir makine öğrenimi mühendisi olan Lin Huijie'yi Youdao'da TensorFlow Lite uygulamasını tanıtması için davet etti.
Lin Huijie, NetEase'in bunu görüntü çeviri hızının% 30-40'ına ulaşmak için kullandığını söyledi.
Google, TF Lite'ı mobil cihazlar için dağıtmanın çok uygun olduğunu söyledi.Sadece modeli TensorFlow ile paketlemeniz ve ardından onu bir TF Lite modeline dönüştürmek için TF Lite dönüştürücüyü kullanmanız gerekiyor.
TF Lite optimizasyonundan sonra cihazın CPU üzerindeki performansı 1.9 kata ulaştı ve Edge TPU'daki performans 62 kata kadar artırıldı.
diğer
Yukarıdaki donanım ve yazılıma ek olarak, Google bugün TensorFlow Federated ve TensorFlow Privacy'yi de yayınladı.
TensorFlow Federated, farklı konumlardan gelen verilerden AI modellerini eğitmek için kullanılan açık kaynaklı bir çerçevedir. TensorFlow Privacy, geliştiricilerin AI modellerini güçlü gizlilik korumasıyla eğitmesini kolaylaştırır.
Ayrıca basın toplantısında açıklananlar: TensorFlow.js 1.0; TensorFlow 0.2 için Swift.
- Bitiş -
Samimi işe alım
Qubit, editörleri / muhabirleri işe alıyor ve merkezi Pekin, Zhongguancun'da bulunuyor. Yetenekli ve hevesli öğrencilerin bize katılmasını dört gözle bekliyoruz! İlgili ayrıntılar için lütfen QbitAI diyalog arayüzünde "işe alım" kelimesini yanıtlayın.
Qubit QbitAI · Toutiao İmzalayan Yazar
' ' Yapay zeka teknolojisi ve ürünlerindeki yeni eğilimleri takip edin
