Google lancia la preview per sviluppatori di TensorFlow Lite per il machine learning sui dispositivi mobili

Google annuncia la preview per sviluppatori di TensorFlow Lite

TensorFlow Lite per il machine learning sui dispositivi mobili è stato annunciato per la prima volta da Dave Burke, VP dell’ingegneria di Android, al Google I/O 2017. TensorFlow Lite è una versione leggera della libreria open source TensorFlow di Google, utilizzata principalmente per applicazioni di machine learning da ricercatori e sviluppatori.

Ora, il gigante della ricerca ha lanciato la preview per sviluppatori di un nuovo toolkit di machine learning progettato specificamente per smartphone e dispositivi embedded, disponibile per gli sviluppatori di app sia Android che iOS. Questa piattaforma consentirà agli sviluppatori di implementare l’IA sui dispositivi mobili. Abilita l’inferenza di machine learning on-device con bassa latenza e una dimensione binaria ridotta. TensorFlow Lite supporta anche l’accelerazione hardware con l’API Android Neural Networks.

“Come sapete, TensorFlow supporta già il deployment mobile e embedded dei modelli tramite l’API TensorFlow Mobile,” ha scritto il team di TensorFlow in un post sul blog oggi. “In futuro, TensorFlow Lite dovrebbe essere visto come l’evoluzione di TensorFlow Mobile, e man mano che matura diventerà la soluzione raccomandata per il deployment di modelli su dispositivi mobili e embedded. Con questo annuncio, TensorFlow Lite è reso disponibile come preview per sviluppatori, e TensorFlow Mobile è ancora presente per supportare le app in produzione.”

Burke sottolinea che si tratta di un “passo cruciale verso l’abilitazione dell’elaborazione di reti neurali accelerate dall’hardware nell’ecosistema silicio diversificato di Android.”

TensorFlow Mobile consente agli sviluppatori di incorporare modelli TensorFlow che funzionano in un ambiente desktop, sui dispositivi mobili. Tuttavia, le applicazioni create utilizzando TensorFlow Lite saranno più leggere e veloci rispetto a applicazioni simili che utilizzano TensorFlow Mobile. Anche se, non tutti i casi d’uso sono attualmente supportati da TensorFlow Lite.

“TensorFlow ha sempre funzionato su molte piattaforme, da rack di server a piccoli dispositivi IoT, ma con l’adozione dei modelli di machine learning cresciuta esponenzialmente negli ultimi anni, è cresciuta anche la necessità di implementarli su dispositivi mobili e embedded,” ha scritto il team di TensorFlow.

Ci sono tre modelli già addestrati e ottimizzati per i dispositivi mobili.

MobileNet: Una classe di modelli di visione in grado di identificare 1000 diverse classi di oggetti, progettata specificamente per un’esecuzione efficiente su dispositivi mobili e embedded.

Inception v3: Un modello di riconoscimento delle immagini, simile nella funzionalità a MobileNet, che offre una maggiore precisione ma ha anche una dimensione maggiore.

Smart Reply: Un modello conversazionale on-device che fornisce risposte con un tocco ai messaggi di chat in arrivo. Le app di messaggistica di prima e terza parte utilizzano questa funzione su Android Wear.

TensorFlow Lite è stato riprogettato da zero per concentrarsi su tre aree:

• Leggero: Abilita l’inferenza di modelli di machine learning on-device con una piccola dimensione binaria e un avvio rapido.

• Cross-platform: Un runtime progettato per funzionare su molte piattaforme diverse, a partire da Android e iOS.

• Veloce: Ottimizzato per dispositivi mobili, inclusi tempi di caricamento dei modelli notevolmente migliorati e supporto per l’accelerazione hardware.

“Con questa preview per sviluppatori, abbiamo intenzionalmente iniziato con una piattaforma limitata per garantire prestazioni su alcuni dei modelli comuni più importanti,” ha letto un post scritto dal team di TensorFlow. “Pianifichiamo di dare priorità all’espansione funzionale futura in base alle esigenze dei nostri utenti. Gli obiettivi per il nostro sviluppo continuo sono semplificare l’esperienza dello sviluppatore e abilitare il deployment dei modelli per una gamma di dispositivi mobili e embedded.”

Il toolkit per sviluppatori TensorFlow Lite è ora disponibile in forma di anteprima su GitHub, insieme a campioni di codice e applicazioni demo. Per coloro che sono interessati a saperne di più su TensorFlow Lite, possono consultare la documentazione qui.

Fonte: 9TO5Google