谷歌千元級TPU晶元發布，TensorFlow更換Logo推出2.0最新版

栗子 曉查 發自 凹非寺

量子位 報道 | 公眾號 QbitAI

今天凌晨，谷歌一年一度的TensorFlow開發者大會在加州舉行。明明應該是一場軟體盛會，卻被生生開出了硬體發布會的味道。

谷歌在會上發布了兩款AI硬體：售價僅千元搭載著TPU的開發板；可以為Linux機器學推理加速的計算棒。它倆取代軟體成了本次發布會的主角。

當然還有照例升級的TensorFlow 2.0 Alpha版，版本號提升的同時，Logo也變成時下流行的扁平化設計。

在移動設備運行AI模型越來越主流的今天，用於部署在邊緣設備上的TensorFlow Lite終於迎來了1.0版。

下面就讓我們一起來回顧這場發布會的亮點吧。

發布會主角Coral

Coral開發板（Coral Dev Board）是一款售價150美元（摺合人民幣約1000元）的小型計算機，具有可拆卸的模塊化系統和一個定製的TPU晶元，類似於樹莓派。

Coral中的Edge-TPU尺寸大約只有一枚硬幣的1/4，擁有1GB的LPDDR4內存和8GB的eMMC存儲，安裝Mendel版Linux或者Android，可以進行本地的離線運算。

它不訓練機器學習模型，而只是用TensorFlow Lite進行推理預測，因此比全棧框架更節能。

Coral能夠以每秒30幀的速度在高解析度視頻上運行深度前饋神經網路，或者以每秒超過100幀的速度運行MobileNet V2這樣的單一模型。

這位妹子現場用Coral展示了一個有趣的圖像分類應用。只需要開發板加攝像頭，再加幾個按鈕而已。

右邊的四個按鈕，各自代表一個類別。

給AI看一隻橘子，連按十幾下黃色按鈕。

再看到橘子的時候，黃燈就會亮起。

再給AI看TF的標誌，也是橙色的，連按十幾下紅色按鈕。

然後，再看到標誌的時候，紅燈就會亮起。

這時候，就算再把橘子放到攝像頭前，AI也不會被迷惑，毫不猶豫地點亮黃燈。

同時，谷歌還發布了一款Coral USB加速器，體內同樣包含一顆Edge TPU，可以在任何64位ARM或x86平台的Debian Linux上運行。

Coral USB加速器售價75美元，可以加速樹莓派和Linux系統的機器學習推理。

谷歌不是第一個發布此類產品的廠商，英特爾早在幾年前就發布過USB神經網路加速計算棒，但是神經計算棒只支持Caffe，而Coral支持Caffe、TensorFlow和ONNX。

由於PyTorch能轉成ONNX，所以Coral實際上也能支持PyTorch。

連競爭對手Facebook的大神Yann LeCun，也在推特上給出一個好評：「Nice feature rundown at Hackaday」。

此外還有一款售價25美元、500萬像素的相機配件。

前兩款硬體已經可以去官網訂購，和查看詳細技術文檔：

https://coral.withgoogle.com/

TF 2.0 Alpha

TensorFlow團隊表達了對Keras更深的愛。

用tf.keras高層API，可以有效簡化TF的使用。

團隊說，從前tf.keras的設定用來做小模型的，要擴大規模怎麼辦？

估計器 (Estimators) 就是強大的工具。

在2.0里，tf.keras已經整合了Estimators的能量：

如此，便不用在一個簡單API和一個可擴展API之間，再做多餘的選擇。

死磕Keras，扔掉其他API，就是為了減少重複。

除此之外，就是Eager Execution變成了默認設定。有了它，除了執行起來更加快捷，debug也容易一些：

「可以使用 Python 調試程序檢查變數、層及梯度等對象。」

快速上手

如果想要絲滑入門TF 2.0的Alpha版，可前往TensorFlow新鮮設計的友好網站，那裡有教程和指南：

https://www.tensorflow.org/alpha

團隊溫馨建議，先觀察一下「Hello World」示例，分為初學者版和老司機版：

初學者版，用的是Keras Sequential API，最簡單的入門大法；

老司機版，展示了怎樣用命令式來寫正向傳播、怎樣用GradientTape來寫自定義訓練loop，以及怎樣用tf.function一行代碼自動編譯。

然後，再去讀Effective TensorFlow 2.0等等指南。

不止這些，還有AutoGraph指南，代碼升級指南，以及其他Keras相關指南，一應俱全。

還有新課

隨著TF 2.0 Alpha版一同發布的，還有兩門深度學習課程，零基礎可食用。

其中一門，吳恩達老師參與了課程開發，叫做針對人工智慧、機器學習和深度學習的TensorFlow入門：

這是一套實踐課程，會教你在TensorFlow裡面搭建神經網路、訓練自己的計算機視覺網路，再利用卷積來改善網路。

課程分四周。

第一周，了解一種編程新範式。

第二周，入門計算機視覺。

第三周，用CNN增強計算機視覺。

第四周，給網路餵食真實世界的圖像。

另一門，是優達學城的免費課，叫做針對深度學習的TensorFlow入門。

第一節課還在了解課程大綱，第三節課就已經要訓練自己的模型了：

現在，前四節課已經上線。第五節待續中。

給手機用的TF Lite

介紹完TF 2.0後，谷歌TensorFlow Lite的工程師Raziel Alvarez上台，TF Lite 1.0版正式上線。

TensorFlow Lite是一個為移動和嵌入式設備提供的跨平台解決方案。谷歌希望讓TensorFlow能夠運行在更多設備上。

除了PC和伺服器以外，我們的生活中還有像手機、智能音箱、智能手錶等設備需要用到機器學習模型，而它們都是無法運行TensorFlow的。

要讓這些設備運行TensorFlow需要面臨以下挑戰：計算力不足、存儲空間有限、電池限制。

必須要有個輕量級（Lite）框架能將機器學習模型部署在移動和IoT設備上的。

TensorFlow Lite就是為此而誕生，它於2017年5月在谷歌I/O開發者大會上首次推出，目前它已經部署到超過20億台設備中，主要是通過以下一些軟體，包括谷歌官方應用和兩家來自中國的應用——愛奇藝、網易。

接著谷歌邀請了來自中國的網易機器學習工程師Lin Huijie介紹了TensorFlow Lite在「有道」中的應用。

Lin Huijie說，網易用它實現了30~40%的圖片翻譯加速。

谷歌表示為移動設備部署TF Lite非常方便，只需用TensorFlow打包好模型，再用TF Lite轉換器將之轉化為TF Lite模型。

經過TF Lite的優化後，設備在CPU上的性能達到原來的1.9倍，在Edge TPU上的性能最高提升了62倍。

其他

除了以上幾款硬體和軟體外，谷歌今天還發布了TensorFlow Federated，和TensorFlow Privacy。

TensorFlow Federated是一個開源框架，用來訓練來自不同位置數據的AI模型。TensorFlow Privacy能讓開發人員更容易訓練具有強大隱私保障的AI模型。

另外在發布會上亮相的有：TensorFlow.js 1.0；Swift for TensorFlow 0.2。

—完—

訂閱AI內參，獲取AI行業資訊

購買AI書籍

誠摯招聘

量子位正在招募編輯/記者，工作地點在北京中關村。期待有才氣、有熱情的同學加入我們！相關細節，請在量子位公眾號(QbitAI)對話界面，回復「招聘」兩個字。

喜歡就點「好看」吧 !

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！