您现在的位置是:首页 >互联网 > 2020-11-07 11:10:38 来源:

现在如何智能浏览器AI在网络客户端上占据一席之地

导读 人工智能无处不在,特别是在您的浏览器中。基于浏览器的AI具有多个优点。在浏览器中运行AI可以 通过直接在客户端上执行某些AI操作(例如情

人工智能无处不在,特别是在您的浏览器中。

基于浏览器的AI具有多个优点。在浏览器中运行AI可以 通过直接在客户端上执行某些AI操作(例如情感分析, 手势检测 和样式转换)来加快速度 。它可以消除对基于云的资源的后台应用程序编程接口请求的需求,从而简化并加速了AI应用程序的端到端流程。

它还可以为AI应用提供直接访问来自客户端传感器(例如网络摄像头,麦克风,GPS和陀螺仪)的丰富数据的权限。它通过在客户端中保留基于浏览器的AI数据来解决隐私问题。同样重要的是,它使AI成为使用JavaScript和其他客户端语言,框架和工具工作的大量Web开发人员的能力范围。

由于所有这些原因,用于开发AI应用程序的以浏览器为中心的工具开始大量涌现。TensorFire是投放市场的最新产品之一,TensorFire是由MIT研究人员团队开发的一种开源工具。它加入了我在最近的博客中讨论的JavaScript AI开发框架的列表 。Google提供了该技术的几个演示,其中一个是用计算机玩的“岩纸剪刀”游戏(如图)。

他们的共同点是支持各种浏览器端语言和脚本的AI编程。它们都支持在浏览器中对机器学习,深度学习和其他AI模型进行交互式建模,训练,执行和可视化。他们都可以利用本地安装的图形处理单元和其他AI优化的硬件来加快模型执行速度。他们中的许多人提供了内置的和经过预训练的神经网络模型,以加快浏览器中回归,分类,图像识别和其他AI任务的开发速度。

在领先的AI供应商中,Google提供了最全面的工具,可帮助开发人员不仅为浏览器而且在越来越多的客户端应用程序和设备中构建ML和DL应用程序。在这方面,Google最近发布了几条重要的公告:

新的基于浏览器的AI框架: 3月下旬,Google在其开发者大会上宣布了TensorFlow.js。TensorFlow.js是deeplearn.js的演进, Deeplearn.js是Google去年发布的JavaScript库。它建立在Google的TensorFlow Playground上,TensorFlow Playground是用TypeScript编写的神经网络的交互式可视化。这个新框架支持客户端AI应用程序的交互式JavaScript开发,其中完全或大部分在浏览器中构建和训练模型,并且数据也保留在其中。它还允许导入预训练的AI模型-或通过转移学习进行调整 —仅适用于基于浏览器的推理。该框架允许开发人员导入先前 使用Keras或TensorFlow SavedModels在Python中离线训练的模型 ,然后将它们用于浏览器中的推理或转移学习,并利用WebGL加速来实现客户端GPU加速。TensorFlow.js团队正计划对其进行更新,以支持后端Node.js JavaScript开发框架。

新的嵌入移​​动设备的AI框架:Google于三月正式发布了Swift for TensorFlow,就在上周,该开源ML开发框架在GitHub上可用。该框架支持使用针对iOS,macOS,watchOS,tvOS和Linux的通用编译语言对ML模型进行编程。它会自动分析Swift代码并构建TensorFlow图和运行时调用。在形成TensorFlow图后,该工具会将其序列化为易于在程序运行时加载的可执行编码。如本设计概述中所述,Swift for TensorFlow允许程序员直接从Swift调用Python API,以便ML开发人员可以继续使用现有的数据科学和其他有用的工具,同时使用Swift构建TensorFlow应用程序。它支持即时评估AI操作,而无需额外的图形构建步骤,这是一种在TensorFlow中被称为“渴望执行”的命令式编程方法。它提供了该语言的API包装器以及编译器,解释器,脚本和语言增强功能,从而在构建用于嵌入移动和边缘应用程序的AI时提高了开发人员的工作效率。

对其移动计算机视觉AI库的更新:该公司推出了MobileNetV2,这是嵌入在移动设备中的,由DL支持的通用通用计算机视觉神经网络家族的最新一代。该最新版本包括针对分类,对象检测和语义分割的视觉识别算法的增强功​​能。Google已发布基准测试,表明V2算法在执行这些任务方面比其前身更快,更高效,更准确。新版本可作为TensorFlow-Slim图像分类库的一部分,在Google的 Colaboratory工具中,在可下载的 Jupyter笔记本中,如: TF-Hub上的模块,甚至是GitHub上的预训练模型。

通用设备嵌入式AI框架的更新:最近更新了已建立的TensorFlow Lite,该版本提供了带有轻便核心解释器的轻量级框架,用于在移动设备和其他边缘设备(包括在Raspberry Pi上运行的那些设备)上部署经过训练的ML模型。

谷歌对其TensorFlow.js开发者生态系统的开发开始加速。查看此在线“游乐场”,它邀请开发人员“在您的浏览器中通过神经网络进行修补”。这是一个第三方数据科学开发人员网站,可指导您逐步开发基于JavaScript的TensorFlow.js应用程序。这是第三方文章,为TensorFlow.js开发人员提供转换器和实用程序。