US Postal Service: AI vil sortere dine pakker hurtigere
USPS vil bruge Nvidia GPU-accelererede servere fra Hewlett Packard Virksomheden til at behandle e-mail hurtigere og mere præcist.
Google har åbnet op for kildekoden til to machine learning (ML) på enheden systemer, MobileNetV3 og MobileNetEdgeTPU, at open source-fællesskabet.
I et blog-indlæg, software og silicium ingeniører Andrew Howard og Suyog Gupta fra Google Research, siger onsdag, at både kildekode og checkpoints for MobileNetV3, samt Pixel 4 Kant TPU-optimeret modstykke MobileNetEdgeTPU, er nu tilgængelige.
I enheden ML ansøgninger om responsive intelligens har været konstrueret med power-begrænset enheder i tankerne, herunder vores smartphones, tablets, og Internet of Things (IoT) – elektronik.
Se også: Google opdateringer CallJoy telefon agent med brugerdefinerede funktioner AI
Google siger, at efterspørgslen efter mobile intelligence har bedt om forskning i algoritmer-effektiv neurale netværksmodeller og hardware “i stand til at udføre milliarder af math-operationer per sekund, mens forbrugende kun få milliwatt strøm,” sådan som det er tilfældet med Google Pixel 4 Pixel Neurale Kerne.
Den seneste MobileNet tilbud omfatter forbedringer til arkitektonisk design, hastighed og præcision, Google siger. På mobile Cpu ‘ er, som brugerne kan forvente MobileNetV3 til at køre med dobbelt hastighed af MobileNetV2, styrkes via AutoML og NetAdapt, sidstnævnte som er skåret væk under-udnyttet aktivering kanaler.
CNET: Huawei forbud: Fuld tidslinje som Trump ‘ s teknisk chef slams i lande med en Kinesisk virksomhed
En ny aktivering af funktion kaldet hard-swish (h-hvislen) er også blevet gennemført for at forbedre funktionalitet på mobile enheder og reducere risikoen for flaskehalse. Den samlede ventetid er blevet reduceret med 15 procent og objekt registrering af ventetid er blevet reduceret med 25 procent i forhold til MobileNetV2.
Den MobileNetEdgeTPU model-lignende til Kanten TPU i Coral-produkter, men fin-indstillet til kameraets funktioner i Pixel 4 — nu også har øget præcision i forhold til tidligere versioner, samtidig med at reducere både runtime og strømforsyning.
Google har ikke sat sig for at reducere den magt krav af denne model, men i forhold til den grundlæggende MobileNetV3, MobileNetEdgeTPU bruger 50 procent mindre saft.
TechRepublic: IBM ‘ social ingeniør let hacket to journalisters oplysninger
MobileNetV3 og MobileNetEdgeTPU kode kan nu tilgås fra MobileNet GitHub repository.
Udviklere kan også hente en kopi af open source-implementering for MobileNetV3 og MobileNetEdgeTPU object detection fra Tensorflow Object Detection API side, og DeepLab er vært for open source-implementering for MobileNetV3 semantisk segmentering.
Tidligere og relaterede dækning
Google skaber cloud, data, håndtere store AMERIKANSKE health organization
Google ‘ s plan om at indsamle data om millioner af Amerikanere står over føderal undersøgelse
Google Cloud ruller ud platform for netværk, synlighed og ledelse
Har du et tip? Komme i kontakt sikkert via WhatsApp | Signal på +447713 025 499, eller over på Keybase: charlie0
Relaterede Emner:
Mobilitet
CXO
Digital Transformation
Tech-Branchen
Intelligente Byer
Cloud