使用TensorFlow Lite開發(fā)基于TPU的AI解決方案

如今，從個人設備到企業(yè)應用程序，人工智能已經無處不在，您隨處可見。隨著物聯(lián)網的出現(xiàn)，對數(shù)據(jù)隱私、低功耗、低延遲和帶寬限制的需求不斷增長，越來越多地推動人工智能模型在邊緣而不是云端運行。

在此開始時，谷歌推出了Edge TPU，也稱為Coral TPU，這是其專門構建的ASIC，用于在邊緣運行AI。它旨在提供出色的性能，同時占用最小的空間和功耗。

當我們訓練 AI 模型時，我們最終會得到具有高存儲要求和 GPU 處理能力的 AI 模型。我們無法在內存和處理占用空間不足的設備上執(zhí)行它們。TensorFlow Lite 在這種情況下很有用。TensorFlow Lite 是一個開源深度學習框架，在邊緣 TPU 上運行，允許在設備上進行推理和 AI 模型執(zhí)行。另請注意，TensorFlow Lite僅用于在邊緣執(zhí)行推理，而不是用于訓練模型。為了訓練AI模型，我們必須使用TensorFlow。

結合邊緣TPU和TensorFlow Lite

當我們談論在邊緣 TPU 上部署 AI 模型時，我們無法部署任何 AI 模型。

Edge TPU 支持 NN（神經網絡）操作和設計，以低功耗實現(xiàn)高速神經網絡性能。除了特定的網絡，它只支持邊緣TPU的8位量化和編譯的TensorFlow Lite模型。

為了快速總結，TensorFlow Lite是專為移動和嵌入式設備設計的TensorFlow的輕量級版本。它以較小的存儲大小實現(xiàn)了低延遲結果。有一個TensorFlow Lite轉換器，允許將基于TensorFlow的AI模型文件（。 pb）轉換為TensorFlow Lite文件（.tflite）。下面是在邊緣 TPU 上部署應用程序的標準工作流。

邊緣 TPU 上的應用程序部署

讓我們看一些有趣的實際應用程序，這些應用程序可以在邊緣TPU上使用TensorFlow Lite構建。

人體檢測和計數(shù)

該解決方案具有許多實際應用，尤其是在商場，零售，政府辦公室，銀行和企業(yè)中。人們可能想知道檢測和計算人類可以做些什么。數(shù)據(jù)現(xiàn)在具有時間和金錢的價值。讓我們看看如何使用人類檢測和計數(shù)的見解。

估計客流量：對于零售業(yè)來說，這很重要，因為它可以了解他們的商店是否經營良好。他們的展示是否吸引了顧客進入商店。它還幫助他們了解是否需要增加或減少支持人員。對于其他組織，它們有助于為人們采取足夠的安全措施。

人群分析和隊列管理：對于政府機關和企業(yè)來說，通過人工檢測和計數(shù)進行隊列管理有助于他們管理更長的隊列并節(jié)省人們的時間。研究隊列可以歸因于個人和組織的績效。人群檢測可以幫助分析緊急情況、安全事件等的人群警報，并采取適當?shù)拇胧４祟惤鉀Q方案在邊緣部署時可提供最佳結果，因為可以接近實時地采取所需的操作。

基于年齡和性別的定向廣告。

該解決方案主要在零售和廣告行業(yè)具有實際應用。想象一下，你走向展示女鞋廣告的廣告顯示屏，然后廣告突然變成了男鞋廣告，因為它確定你是男性。有針對性的廣告可以幫助零售商和制造商更好地定位他們的產品，并建立正常人在忙碌的生活中永遠看不到的品牌知名度。

這不能僅限于廣告，年齡和性別檢測還可以通過管理零售店的適當支持人員、人們喜歡訪問您的商店、企業(yè)的年齡和性別等來幫助企業(yè)快速做出決定。如果你非常迅速地確定和行動，所有這些都會更加強大和有效。因此，更重要的是，在Edge TPU上擁有此解決方案的原因。

人臉識別

第一個人臉識別系統(tǒng)建于1970年，迄今為止仍在開發(fā)中，變得更加強大和有效。在邊緣進行人臉識別的主要優(yōu)點是實時識別。另一個優(yōu)點是在邊緣進行人臉加密和特征提取，只需將加密和提取的數(shù)據(jù)發(fā)送到云端進行匹配，從而保護人臉圖像的 PII 級隱私（因為您不會將人臉圖像保存在邊緣和云上）并遵守嚴格的隱私法。

Edge TPU與TensorFlow Lite框架相結合，開啟了多個邊緣AI應用機會。由于該框架是開源的，開源軟件（OSS）社區(qū)也支持它，使其在機器學習用例中更加受歡迎。TensorFlow Lite的整體平臺增強了嵌入式和物聯(lián)網設備邊緣應用程序的增長環(huán)境。

審核編輯：郭婷