谷歌千元级TPU芯片发布，TensorFlow更换Logo推出2.0最新版

编者按：本文来自微信公众号“量子位”（ID：QbitAI），作者 栗子 晓查，36氪经授权发布。

今天凌晨，谷歌一年一度的TensorFlow开发者大会在加州举行。明明应该是一场软件盛会，却被生生开出了硬件发布会的味道。

谷歌在会上发布了两款AI硬件：售价仅千元搭载着TPU的开发板；可以为Linux机器学推理加速的计算棒。它俩取代软件成了本次发布会的主角。

当然还有照例升级的TensorFlow 2.0 Alpha版，版本号提升的同时，Logo也变成时下流行的扁平化设计。

在移动设备运行AI模型越来越主流的今天，用于部署在边缘设备上的TensorFlow Lite终于迎来了1.0版。

下面就让我们一起来回顾这场发布会的亮点吧。

Coral开发板（Coral Dev Board）是一款售价150美元（折合人民币约1000元）的小型计算机，具有可拆卸的模块化系统和一个定制的TPU芯片，类似于树莓派。

Coral中的Edge-TPU尺寸大约只有一枚硬币的1/4，拥有1GB的LPDDR4内存和8GB的eMMC存储，安装Mendel版Linux或者Android，可以进行本地的离线运算。

它不训练机器学习模型，而只是用TensorFlow Lite进行推理预测，因此比全栈框架更节能。

Coral能够以每秒30帧的速度在高分辨率视频上运行深度前馈神经网络，或者以每秒超过100帧的速度运行MobileNet V2这样的单一模型。

这位妹子现场用Coral展示了一个有趣的图像分类应用。只需要开发板加摄像头，再加几个按钮而已。

右边的四个按钮，各自代表一个类别。

给AI看一只橘子，连按十几下黄色按钮。

再看到橘子的时候，黄灯就会亮起。

再给AI看TF的标志，也是橙色的，连按十几下红色按钮。

然后，再看到标志的时候，红灯就会亮起。

这时候，就算再把橘子放到摄像头前，AI也不会被迷惑，毫不犹豫地点亮黄灯。

同时，谷歌还发布了一款Coral USB加速器，体内同样包含一颗Edge TPU，可以在任何64位ARM或x86平台的Debian Linux上运行。

Coral USB加速器售价75美元，可以加速树莓派和Linux系统的机器学习推理。

谷歌不是第一个发布此类产品的厂商，英特尔早在几年前就发布过USB神经网络加速计算棒，但是神经计算棒只支持Caffe，而Coral支持Caffe、TensorFlow和ONNX。

由于PyTorch能转成ONNX，所以Coral实际上也能支持PyTorch。

连竞争对手Facebook的大神Yann LeCun，也在推特上给出一个好评：“Nice feature rundown at Hackaday”。

此外还有一款售价25美元、500万像素的相机配件。

前两款硬件已经可以去官网订购，和查看详细技术文档：
https://coral.withgoogle.com/

TensorFlow团队表达了对Keras更深的爱。

用tf.keras高层API，可以有效简化TF的使用。

团队说，从前tf.keras的设定用来做小模型的，要扩大规模怎么办？

估计器 (Estimators) 就是强大的工具。

在2.0里，tf.keras已经整合了Estimators的能量：

如此，便不用在一个简单API和一个可扩展API之间，再做多余的选择。

死磕Keras，扔掉其他API，就是为了减少重复。

除此之外，就是Eager Execution变成了默认设定。有了它，除了执行起来更加快捷，debug也容易一些：

“可以使用 Python 调试程序检查变量、层及梯度等对象。”

如果想要丝滑入门TF 2.0的Alpha版，可前往TensorFlow新鲜设计的友好网站，那里有教程和指南：

https://www.tensorflow.org/alpha

团队温馨建议，先观察一下“Hello World”示例，分为初学者版和老司机版：

初学者版，用的是Keras Sequential API，最简单的入门大法；

老司机版，展示了怎样用命令式来写正向传播、怎样用GradientTape来写自定义训练loop，以及怎样用tf.function一行代码自动编译。

然后，再去读Effective TensorFlow 2.0等等指南。

不止这些，还有AutoGraph指南，代码升级指南，以及其他Keras相关指南，一应俱全。

随着TF 2.0 Alpha版一同发布的，还有两门深度学习课程，零基础可食用。

其中一门，吴恩达老师参与了课程开发，叫做针对人工智能、机器学习和深度学习的TensorFlow入门：

这是一套实践课程，会教你在TensorFlow里面搭建神经网络、训练自己的计算机视觉网络，再利用卷积来改善网络。

课程分四周。

第一周，了解一种编程新范式。

第二周，入门计算机视觉。

第三周，用CNN增强计算机视觉。

第四周，给网络喂食真实世界的图像。

另一门，是优达学城的免费课，叫做针对深度学习的TensorFlow入门。

第一节课还在了解课程大纲，第三节课就已经要训练自己的模型了：

现在，前四节课已经上线。第五节待续中。

介绍完TF 2.0后，谷歌TensorFlow Lite的工程师Raziel Alvarez上台，TF Lite 1.0版正式上线。

TensorFlow Lite是一个为移动和嵌入式设备提供的跨平台解决方案。谷歌希望让TensorFlow能够运行在更多设备上。

除了PC和服务器以外，我们的生活中还有像手机、智能音箱、智能手表等设备需要用到机器学习模型，而它们都是无法运行TensorFlow的。

要让这些设备运行TensorFlow需要面临以下挑战：计算力不足、存储空间有限、电池限制。

必须要有个轻量级（Lite）框架能将机器学习模型部署在移动和IoT设备上的。

TensorFlow Lite就是为此而诞生，它于2017年5月在谷歌I/O开发者大会上首次推出，目前它已经部署到超过20亿台设备中，主要是通过以下一些软件，包括谷歌官方应用和两家来自中国的应用——爱奇艺、网易。

接着谷歌邀请了来自中国的网易机器学习工程师Lin Huijie介绍了TensorFlow Lite在“有道”中的应用。

Lin Huijie说，网易用它实现了30~40%的图片翻译加速。

谷歌表示为移动设备部署TF Lite非常方便，只需用TensorFlow打包好模型，再用TF Lite转换器将之转化为TF Lite模型。

经过TF Lite的优化后，设备在CPU上的性能达到原来的1.9倍，在Edge TPU上的性能最高提升了62倍。

除了以上几款硬件和软件外，谷歌今天还发布了TensorFlow Federated，和TensorFlow Privacy。

TensorFlow Federated是一个开源框架，用来训练来自不同位置数据的AI模型。TensorFlow Privacy能让开发人员更容易训练具有强大隐私保障的AI模型。

另外在发布会上亮相的有：TensorFlow.js 1.0；Swift for TensorFlow 0.2。

相关推荐

谷歌千元级TPU芯片发布，TensorFlow更换Logo推出2.0最新版
从云到端，谷歌的AI芯片2.0
AI筛查自闭症起源突变基因，还能解锁你的艺术细胞？
谷歌的千元AI芯片有人买单吗？遗憾，10K起的“大客户”都很少
谷歌首颗自研SoC芯片面世，高通或受打击？
登陆云边端，AI芯片产业打响全线战争
谷歌首颗自研SoC芯片成功流片：5nm制程8核设计，或明年落地Pixel 5手机
芯片巨头跨界争霸，云边端AI芯片大变局
云厂商大举进军芯片，半导体格局恐生变
2019机器学习框架之争：与Tensorflow竞争白热化，进击的PyTorch赢在哪里？

网址: 谷歌千元级TPU芯片发布，TensorFlow更换Logo推出2.0最新版 http://www.xishuta.com/newsview1044.html