（文章來源：pymath科技）
谷歌今天發(fā)布了TensorFlow Lite Model Maker，該工具使用一種稱為轉(zhuǎn)移學(xué)習(xí)的技術(shù)，將最先進的機器學(xué)習(xí)模型應(yīng)用于自定義數(shù)據(jù)集。它用一個API包裝機器學(xué)習(xí)概念，使開發(fā)人員只需幾行代碼就可以在谷歌的TensorFlow人工智能框架中訓(xùn)練模型，并為設(shè)備上的人工智能應(yīng)用程序部署這些模型。

像Model Maker這樣的工具可以幫助公司更快地將人工智能融入到工作流程中。根據(jù)一項由Algorithmia進行的研究，50%的公司花8到90天時間部署一個單一的機器學(xué)習(xí)模型，其中大多數(shù)將持續(xù)時間歸咎于無法擴展。

Model Maker目前只支持圖像和文本分類用例，它與TensorFlow Hub中的許多模型一起工作，TensorFlow Hub是谷歌的可重用機器學(xué)習(xí)模塊庫。本質(zhì)上，Model Maker根據(jù)在開始時指定的幾個參數(shù)，以不同的精度將在一個任務(wù)上訓(xùn)練的模型應(yīng)用于另一個相關(guān)任務(wù)。通過修改模型結(jié)構(gòu)，Model Maker可以提高模型精度。在加載特定于設(shè)備上AI的輸入數(shù)據(jù)之后，Model Maker評估該模型并將其導(dǎo)出為TensorFlow Lite模型。

TensorFlow Lite Model Maker創(chuàng)建的模型附加了元數(shù)據(jù)，包括機器可讀的參數(shù)（如平均值、標(biāo)準(zhǔn)差、類別標(biāo)簽文件）和人類可讀的參數(shù)（如模型描述和許可證）。谷歌注意到，像licenses這樣的字段在決定是否可以使用模型時非常關(guān)鍵，而其他系統(tǒng)可以使用機器可讀的參數(shù)來生成包裝器代碼。

在接下來的幾個月里，谷歌打算增強Model Maker以支持更多的任務(wù)，包括對象檢測和一些自然語言處理任務(wù)，它將為問答等應(yīng)用程序添加BERT，這是一種用于自然語言處理的預(yù)訓(xùn)練技術(shù)。

Model Maker的推出緊隨API-量化感知培訓(xùn)（QAT）之后，該培訓(xùn)利用量化的性能優(yōu)勢（將大集合的輸入值映射到小集合的輸出值的過程）訓(xùn)練更小、更快的TensorFlow模型，同時保持接近其原始精度。谷歌對于人工智能方面的研究著實到達了一個很高的地方。
（責(zé)任編輯：fqj）