Google lanza la vista previa para desarrolladores de TensorFlow Lite para aprendizaje automático en dispositivos móviles

Google anuncia la vista previa para desarrolladores de TensorFlow Lite

TensorFlow Lite para aprendizaje automático en dispositivos móviles fue anunciado por primera vez por Dave Burke, VP de ingeniería de Android en Google I/O 2017. TensorFlow Lite es una versión ligera de la biblioteca de código abierto TensorFlow de Google que se utiliza principalmente para aplicaciones de aprendizaje automático por investigadores y desarrolladores.

Ahora, el gigante de las búsquedas ha lanzado la vista previa para desarrolladores de un nuevo kit de herramientas de aprendizaje automático diseñado específicamente para teléfonos inteligentes y dispositivos integrados, y estará disponible tanto para desarrolladores de aplicaciones de Android como de iOS. Esta plataforma permitirá a los desarrolladores implementar IA en dispositivos móviles. Permite la inferencia de aprendizaje automático en el dispositivo con baja latencia y un tamaño de binario pequeño. TensorFlow Lite también admite aceleración de hardware con la API de Redes Neuronales de Android.

“Como saben, TensorFlow ya admite el despliegue móvil e integrado de modelos a través de la API de TensorFlow Mobile”, escribió el equipo de TensorFlow en una publicación de blog hoy. “En adelante, TensorFlow Lite debe verse como la evolución de TensorFlow Mobile, y a medida que madure se convertirá en la solución recomendada para desplegar modelos en dispositivos móviles e integrados. Con este anuncio, TensorFlow Lite se pone a disposición como una vista previa para desarrolladores, y TensorFlow Mobile sigue ahí para apoyar aplicaciones de producción.”

Burke señala que es un “paso crucial hacia la habilitación del procesamiento de redes neuronales acelerado por hardware en el diverso ecosistema de silicio de Android.”

TensorFlow Mobile permite a los desarrolladores incorporar modelos de TensorFlow que funcionan en un entorno de escritorio, en dispositivos móviles. Sin embargo, las aplicaciones creadas utilizando TensorFlow Lite serán más ligeras y rápidas que aplicaciones similares que utilizan TensorFlow Mobile. Aunque, no todos los casos de uso son actualmente compatibles con TensorFlow Lite.

“TensorFlow siempre ha funcionado en muchas plataformas, desde estantes de servidores hasta pequeños dispositivos IoT, pero a medida que la adopción de modelos de aprendizaje automático ha crecido exponencialmente en los últimos años, también ha crecido la necesidad de desplegarlos en dispositivos móviles e integrados”, escribió el equipo de TensorFlow.

Hay tres modelos que ya están entrenados y optimizados para dispositivos móviles.

MobileNet: Una clase de modelos de visión capaces de identificar entre 1000 diferentes clases de objetos, diseñado específicamente para una ejecución eficiente en dispositivos móviles e integrados.

Inception v3: Un modelo de reconocimiento de imágenes, similar en funcionalidad a MobileNet, que ofrece mayor precisión pero también tiene un tamaño más grande.

Smart Reply: Un modelo conversacional en el dispositivo que proporciona respuestas de un toque a los mensajes de chat conversacionales entrantes. Las aplicaciones de mensajería de primera y tercera parte utilizan esta función en Android Wear.

TensorFlow Lite fue rediseñado desde cero para concentrarse en tres áreas:

• Ligero: Permite la inferencia de modelos de aprendizaje automático en el dispositivo con un tamaño de binario pequeño y una rápida inicialización/arranque.

• Multiplataforma: Un tiempo de ejecución diseñado para funcionar en muchas plataformas diferentes, comenzando con Android e iOS.

• Rápido: Optimizado para dispositivos móviles, incluyendo tiempos de carga de modelos dramáticamente mejorados, y soportando aceleración de hardware.

“Con esta vista previa para desarrolladores, hemos comenzado intencionadamente con una plataforma restringida para asegurar el rendimiento en algunos de los modelos comunes más importantes”, decía una publicación del equipo de TensorFlow. “Planeamos priorizar la expansión funcional futura basada en las necesidades de nuestros usuarios. Los objetivos para nuestro desarrollo continuo son simplificar la experiencia del desarrollador y habilitar el despliegue de modelos para una variedad de dispositivos móviles e integrados.”

El kit de herramientas para desarrolladores de TensorFlow Lite ya está disponible en forma de vista previa en GitHub, junto con ejemplos de código y aplicaciones de demostración. Para aquellos interesados en saber más sobre TensorFlow Lite, pueden consultar la documentación aquí.

Fuente: 9TO5Google