Google lança prévia para desenvolvedores do TensorFlow Lite para aprendizado de máquina em dispositivos móveis

Google anuncia prévia para desenvolvedores do TensorFlow Lite

TensorFlow Lite para aprendizado de máquina em dispositivos móveis foi anunciado pela primeira vez por Dave Burke, VP de engenharia do Android, no Google I/O 2017. TensorFlow Lite é uma versão leve da biblioteca de código aberto TensorFlow do Google, que é usada principalmente para aplicações de aprendizado de máquina por pesquisadores e desenvolvedores.

Agora, o gigante da busca lançou a prévia para desenvolvedores de um novo kit de ferramentas de aprendizado de máquina projetado especificamente para smartphones e dispositivos embarcados, que estará disponível para desenvolvedores de aplicativos Android e iOS. Esta plataforma permitirá que os desenvolvedores implementem IA em dispositivos móveis. Ela possibilita a inferência de aprendizado de máquina no dispositivo com baixa latência e um tamanho de binário pequeno. O TensorFlow Lite também suporta aceleração de hardware com a API de Redes Neurais do Android.

“Como você pode saber, o TensorFlow já suporta a implantação de modelos móveis e embarcados através da API TensorFlow Mobile”, escreveu a equipe do TensorFlow em um post no blog hoje. “Daqui para frente, o TensorFlow Lite deve ser visto como a evolução do TensorFlow Mobile, e à medida que amadurece, se tornará a solução recomendada para a implantação de modelos em dispositivos móveis e embarcados. Com este anúncio, o TensorFlow Lite está disponível como uma prévia para desenvolvedores, e o TensorFlow Mobile ainda está lá para suportar aplicativos de produção.”

Burke observa que é um “passo crucial para permitir o processamento de redes neurais acelerado por hardware em todo o ecossistema de silício diversificado do Android.”

O TensorFlow Mobile permite que os desenvolvedores incorporem modelos TensorFlow que funcionam em um ambiente de desktop, em dispositivos móveis. No entanto, aplicações criadas usando TensorFlow Lite serão mais leves e rápidas do que aplicações semelhantes que usam TensorFlow Mobile. Embora, nem todos os casos de uso sejam atualmente suportados pelo TensorFlow Lite.

“O TensorFlow sempre funcionou em muitas plataformas, desde racks de servidores até pequenos dispositivos IoT, mas à medida que a adoção de modelos de aprendizado de máquina cresceu exponencialmente nos últimos anos, também cresceu a necessidade de implantá-los em dispositivos móveis e embarcados”, escreveu a equipe do TensorFlow.

Existem três modelos que já estão treinados e otimizados para dispositivos móveis.

MobileNet: Uma classe de modelos de visão capaz de identificar entre 1000 diferentes classes de objetos, projetada especificamente para execução eficiente em dispositivos móveis e embarcados.

Inception v3: Um modelo de reconhecimento de imagem, semelhante em funcionalidade ao MobileNet, que oferece maior precisão, mas também tem um tamanho maior.

Smart Reply: Um modelo conversacional no dispositivo que fornece respostas com um toque para mensagens de chat conversacionais recebidas. Aplicativos de mensagens de primeira e terceira partes usam esse recurso no Android Wear.

O TensorFlow Lite foi redesenhado do zero para se concentrar em três áreas:

• Leve: Permite a inferência de modelos de aprendizado de máquina no dispositivo com um tamanho de binário pequeno e inicialização/arranque rápido.

• Multiplataforma: Um tempo de execução projetado para funcionar em muitas plataformas diferentes, começando com Android e iOS.

• Rápido: Otimizado para dispositivos móveis, incluindo tempos de carregamento de modelos dramaticamente melhorados e suporte à aceleração de hardware.

“Com esta prévia para desenvolvedores, começamos intencionalmente com uma plataforma restrita para garantir desempenho em alguns dos modelos comuns mais importantes”, dizia um post escrito pela equipe do TensorFlow. “Planejamos priorizar a expansão funcional futura com base nas necessidades de nossos usuários. Os objetivos para nosso desenvolvimento contínuo são simplificar a experiência do desenvolvedor e permitir a implantação de modelos para uma variedade de dispositivos móveis e embarcados.”

O kit de ferramentas para desenvolvedores do TensorFlow Lite está agora disponível em forma de prévia no GitHub, juntamente com exemplos de código e aplicações de demonstração. Para aqueles interessados em saber mais sobre o TensorFlow Lite, podem conferir a documentação aqui.

Fonte: 9TO5Google