Google 这次用来重返中国的人工智能 TensorFlow，究竟是什么？

小明评测智能家居网讯：11 月 15 日，Google 发布机器学习框架的移动设备版本，TensorFlow Lite 预览版，这意味着，将人工智能放进我们的手机这个趋势，又往前了一步。

Google 在今年 5 月的 Google I/O 上，就已经对外公布了 TensorFlow Lite 这个工具。目前，TensorFlow Lite 支持不少针对移动端训练和优化好的模型，包括视觉模型、图片识别模型和设备对话模型等。Android 和 iOS 平台的开发者都可以使用。

然而说到 TensorFlow，除了与人工智能有关，最近它还与「Google 重返中国」这个互联网幻觉扯上了关系。

上月彭博社报道，Google 这次想要在中国推广自家的开源人工智能框架 TensorFlow，通过减低开发者开发和使用人工智能的难度，重回中国市场。

也许非开发人员对 TensorFlow 并不熟悉，但你应该听说过 DeepMind 这个名字，这个团队开发出了今年打败柯洁的 AlphaGo，以及自学 3 天在围棋界找不到对手的 AlphaGo Zero。

而 DeepMind 早在 2016 年 5 月宣布，更换他们使用的开源机器学习平台，从 Torch 转用 TensorFlow。可以说，那两只 AlphaGo 和 AlphaGo Zero，以及更多 Google 发布的人工智能，最后都是在 TensorFlow 上「养成」的。

TensorFlow 是一个用于机器智能的开源软件库，可以支持深度学习的各种算法。它最初是由杰夫 · 迪恩 (Jeff Dean)领头的 Google Brain 团队，基于 Google 第一代深度学习系统 DistBelief 改进而得。

TensorFlow Lite为TensorFlow机器学习框架的精简版，可快速启动且只需要很小的二元档案就能在装置上执行机器学习模型推论，支持Android、iOS平台，已针对移动装置优化，包括模型加载时间、硬件加速等。

Google周二（11/14）释出了TensorFlow Lite的开发人员预览版，这是TensorFlow机器学习框架的精简版，专为移动装置与嵌入式装置所打造。

TensorFlow团队表示，2015年开源的TensorFlow原本就支持不同的平台，从大型的机架服务器到小型的物联网（IoT）装置等，有鉴于这几年机器学习模型的采用呈倍数成长，因而需要将它们部署在移动与嵌入式装置上，TensorFlow Lite即能针对装置上的机器学习模型进行低延迟的推论。

TensorFlow Lite具备精简、跨平台及快速等特性。它能快速启动且只需要很小的二元档案就能执行装置上机器学习模型的推论；设计上可支持各式移动平台，目前以Android及iOS为主；已针对移动装置优化，因而可大幅改善模型加载时间并支持硬件加速。

TensorFlow Lite的运作架构（下图，来源：Google）是先训练TensorFlow模型，再将该TensorFlow模型转成针对速度及档案大小优化的TensorFlow Lite文件格式，接着部署至Android或iOS装置上的移动程序。

随着愈来愈多的移动装置采用了订制化硬件以更有效率地处理机器学习任务，TensorFlow Lite亦支持 Android的神经网络（Neural Networks）API来利用这些新的加速器；在缺乏加速器硬件时，TensorFlow Lite亦会回头采用优化的CPU执行，确保机器学习模型在各种装置上皆能顺畅运作。

现阶段TensorFlow Lite已支持许多基于移动装置的模型，如可辨识1000种对象种类的视觉模型MobileNet、比MobileNet更精确但档案也更大的影像辨识模型Inception v3，以及对话模型Smart Reply等。

其实之前Google就曾针对移动与嵌入式装置的模型部署发表TensorFlow Mobile，但TensorFlow Lite被视为是TensorFlow Mobile的进阶版，未来可望取代TensorFlow Mobile成为Google的推荐解决方案。

推荐阅读: