US Postal Service: AI kommer att sortera ditt paket snabbare
USPS kommer att använda Nvidia GPU-accelererade servrar från Hewlett Packard Företag att hantera post snabbare och mer exakt.
Google har öppnat upp källkoden för två machine learning (ML) på enheten och system, MobileNetV3 och MobileNetEdgeTPU, till öppen källkod.
I ett blogginlägg, programvara och kisel ingenjörer Andrew Howard och Suyog Gupta från Google Forskning sade på onsdagen att både källkoden och kontrollpunkter för MobileNetV3, liksom Pixel 4 Kant TPU-optimerad motsvarighet MobileNetEdgeTPU, finns nu tillgängliga.
På enheten ML-program för lyhörda intelligens har utformats med power-begränsade enheter i åtanke, inklusive våra smartphones, surfplattor och Internet of Things (IoT) – elektronik.
Se även: Google uppdaterar CallJoy phone agent med anpassningsbara AI-funktioner
Google säger att efterfrågan på mobile intelligence har föranlett forskning algoritmiskt-effektiv neurala nätverk modeller och hårdvara “som kan utföra miljarder matematiska operationer per sekund samtidigt som den förbrukar, bara några milliwatt av makt,” såsom i fallet med Google Pixel 4 Pixel Neurala Kärna.
Den senaste MobileNet erbjudanden inkluderar förbättringar till arkitektonisk design, snabbhet och noggrannhet, säger Google. På mobila Processorer, kan användare förvänta sig MobileNetV3 att köra på dubbla hastigheten av MobileNetV2, stärkt genom AutoML och NetAdapt, den senare som har klippt bort utnyttjas aktivering kanaler.
CNET: Huawei förbud: Full tidslinje som Trumf är teknisk chef slam-länder som arbetar med det Kinesiska företaget
En ny aktivering funktion som kallas surt swish (h-sus) har också genomförts för att förbättra funktionaliteten på mobila enheter och minska risken för flaskhalsar. Total fördröjning har minskat med 15 procent och object detection fördröjningen har minskat med 25 procent i jämförelse med MobileNetV2.
Den MobileNetEdgeTPU modell-liknande Kanten TPU i Coral-produkter, men välkommern till kameran har i Pixel 4 — nu har även ökad noggrannhet i jämförelse med tidigare versioner, och samtidigt minska både körning och effektbehov.
Google satte inte ut att minska den makt krav av denna modell, men jämfört med den grundläggande MobileNetV3, MobileNetEdgeTPU förbrukar 50 procent mindre juice.
TechRepublic: IBM social ingenjör lätt hackade två journalisternas information
MobileNetV3 och MobileNetEdgeTPU koden kan nu nås från MobileNet GitHub repository.
Utvecklare kan också plocka upp en kopia av öppen källkod för MobileNetV3 och MobileNetEdgeTPU object detection från Tensorflow Object Detection API sida, och DeepLab är värd öppen källkod för MobileNetV3 semantiska segmentering.
Tidigare och relaterade täckning
Google hamnar i molnet, data avtal med stora AMERIKANSKA health organization
Googles plan att samla in data hälsa på miljontals Amerikaner står inför federal utredning
Google Cloud rullar ut plattform för nätverket synlighet och hantering
Har ett tips? Komma i kontakt säkert via WhatsApp | Signal på +447713 025 499, eller över på Keybase: charlie0
Relaterade Ämnen:
Rörlighet
CXO
Digital Omvandling
Tech-Industrin
Smarta Städer
Cloud