谷歌发布了新的设备上的机器学习解决方案的源代码

谷歌已经向开源社区开放了两个机器学习(ML)设备系统的源代码，MobileNetV 3和MobileNetEdgeTPU。谷歌研究公司(Google Research)的软件和硅工程师安德鲁·霍华德(Andrew Howard)和苏约格·古普塔(Suyog Gupta)周三在一篇博文中表示，MobileNetV 3的源代码和检查点以及Pixel 4 Edge的优化对口MobileNetEdgeTPU现在都可以使用了。

用于响应智能的设备上ML应用程序的设计考虑到了功率限制的设备，包括我们的智能手机、平板电脑和物联网(物联网)电子产品。

另请参阅：Google更新具有可自定义AI功能的CallJoy电话代理

谷歌表示，对移动智能的需求促使人们对算法高效的神经网络模型和硬件进行了研究，它们“能够每秒执行数十亿次数学运算，同时只消耗几毫瓦的电能”，比如谷歌像素4(Google Pixel 4)的像素神经核心(Pixel NeuralCore)。

谷歌表示，最新的MobileNet产品包括对建筑设计、速度和准确性的改进。在移动CPU上，用户可以预期MobileNetV 3的运行速度将是MobileNetV 2的两倍，而MobileNetV 2是通过AutoML和NetAdapt支持的，而NetAdapt已经切断了未充分利用的激活通道。

CNET：华为禁令：特朗普的科技主管抨击与中国公司合作的国家的完整时间表

还实现了一种新的激活函数，称为硬Swish（h-swish），以改善移动设备上的功能，降低瓶颈的风险..与MobileNetV2相比，整体延迟降低了15%，目标检测延迟降低了25%。

MobileNetEdgeTPU模型--类似于Coral产品中的Edge TPU，但针对Pixel 4中的相机特性进行了调整--与早期版本相比，现在也提高了准确性，同时降低了运行时和功率的要求。

谷歌并没有开始减少这种模式的电力需求，但是与基本的MobileNetV 3相比，MobileNetEdgeTPU消耗的能量减少了50%。

TechRepublic：IBM的社会工程师轻易黑进了两名记者的信息

MobileNetV 3和MobileNetEdgeTPU代码现在可以从MobileNet GitHub存储库访问。

开发人员还可以从TensorFlow对象检测API页面获取MobileNetV 3和MobileNetEdgeTPU对象检测的开源实现的副本，DeepLab正在托管MobileNetV 3语义分段的开源实现。

有小费吗？在447713 025499或以上通过WhatsApp电话：charlie 0安全地与您取得联系。