Tensor Flow為谷歌公司新近發(fā)布的技術(shù)方案，其立足于對象檢測API以幫助開發(fā)人員與研究人員更為輕松地發(fā)現(xiàn)圖片當(dāng)中所包含的各類對象。目前該項目由谷歌機器智能部門下的谷歌人腦團隊負責(zé)推進。谷歌公司將利用這項技術(shù)實現(xiàn)圖像搜索等各類常見任務(wù)。谷歌方面經(jīng)過快速規(guī)劃后即推出了這項新功能，并最終決定將其交由開源社區(qū)進行不斷完善。該模型今天已經(jīng)正式發(fā)布，其具備良好的易用性與性能表現(xiàn)，足以支持各類研究工作。此次發(fā)布的檢測API在設(shè)計目標(biāo)上考慮到在配置水平較低的設(shè)備之上執(zhí)行各類流水線式處理模型。

      谷歌公司此前已經(jīng)發(fā)布了囊括多種計算機視覺模型的Mobile Nets家族。此次公布的新方案能夠處理包括地標(biāo)識別、位置識別以及對象檢測在內(nèi)的各類任務(wù)。需要強調(diào)的是，移動手機并不具備大型臺式設(shè)備級別的計算資源。因此，機器學(xué)習(xí)模型需要運行在云環(huán)境當(dāng)中并通過互聯(lián)網(wǎng)實現(xiàn)數(shù)據(jù)交互。在這樣的設(shè)計支持之下，無論服務(wù)本身擁有怎樣的資源需求，用戶都能夠享受到同樣自由的服務(wù)感受。

      Tensor Flow亦適用于處理與數(shù)據(jù)流圖形相關(guān)的數(shù)字計算與開源軟件庫。各圖形的邊緣代表多維數(shù)據(jù)陣列，而圖形中的節(jié)點則代表具體數(shù)學(xué)運算。Tensor Flow數(shù)據(jù)主要分為圖形與檢查點這兩大類別。檢查點包含圖形中各變量的已保存張量值，圖形正是依靠這些值對數(shù)據(jù)流圖形進行描述。每個新建圖形都會使用新的GraphDef版本。在每個Tensor Flow的主要版本當(dāng)中，其對于GraphDef版本的具體支持能力在不斷調(diào)整。Tensor Flow 1.2支持Graph Def 4到7版本，Tensor Flow 2.0則僅支持版本8，而直接放棄對版本4到7的支持�，F(xiàn)在谷歌公司的工具已經(jīng)開始自動將圖形轉(zhuǎn)化為可被最新受支持GraphDef版本使用的形式。

      Tensor Flow可用于處理標(biāo)簽檢測、文本檢測、面部檢測、Logo檢測以及安全搜索檢測等任務(wù)。

 

標(biāo)簽檢測:- 

      對圖片進行標(biāo)簽檢測可以說是最為有趣的一種內(nèi)容解釋類別。模型本身將從成千上萬種類別標(biāo)簽當(dāng)中選擇適合當(dāng)前圖像的條目，并將其映射至谷歌的官方知識圖表當(dāng)中。這些特性還將配合增強語義分析、理解、圖像分類以及推理等等。Tensor Flow會對圖像執(zhí)行實際檢測，并在客戶端之上提取每個單一對象的對應(yīng)標(biāo)簽集。如果圖像分辨率不高，則所上傳的每個對象都將被視為圖像，這意味著得出的分析質(zhì)量也相對較差。圖像標(biāo)簽為一條字符串，其中包含相關(guān)性評分以及知識圖表參考結(jié)果。

 

文本檢測: – 

      在圖像分析領(lǐng)域，光學(xué)字符識別早已不算什么新鮮事物，但其確實需要利用高分辨率圖像與精確的文本提取算法方可達成理想的效果。在谷歌公司，其vision API能夠識別多種語言，并將檢測到的本地文件以及提取到的文本內(nèi)容一并返回。Restful API只返回一條字符串，其邊界框被封裝在谷歌vision API當(dāng)中。字符分類則屬于內(nèi)容分析當(dāng)中最為簡單的一種類型，且大部分所需技術(shù)已經(jīng)擁有豐富的文獻作為參考支持。

 

面部檢測: – 

      面部檢測絕非易事，其核心機制在于準(zhǔn)確定位圖像當(dāng)中的人臉圖案。具體來講，面部檢測并不負責(zé)實現(xiàn)面部識別，而僅用于初步發(fā)現(xiàn)對應(yīng)的面部所在位置。與之相關(guān)的圖像檢測方案包含多種技術(shù)，例如皮膚紋理分析、3D分析、面部定位、面部指向以及地標(biāo)位置等。

 

Tensor Flow 1.0 

      Tensor Flow 1.0版本是一套用于實現(xiàn)人工智能的開源框架，其中亦包含負責(zé)建立新數(shù)據(jù)接口的人工神經(jīng)網(wǎng)絡(luò)。Tensor Flow中囊括了多種可支持向量機的傳統(tǒng)機器學(xué)習(xí)工具。另外，其還提供采用Theano深度學(xué)習(xí)框架的Python Keras庫。Tensor Flow編譯器則負責(zé)將XLA編譯圖像解析為能夠匹配底層計算基礎(chǔ)設(shè)施的匯編語言。

      Tensor Flow 1.0版本支持Python API，且其實際運行表現(xiàn)目前已經(jīng)非常穩(wěn)定。大家也可以體驗?zāi)壳吧刑幱趯嶒炿A段的Java API。此版本提供的高級API能夠構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)以及l(fā)oss函數(shù)運算。谷歌公司強調(diào)稱，其引入了一套tf.transform庫以配合Tensor Flow進行數(shù)據(jù)處理。Tf.transform庫的介入避免了Tensor Flow 1.0以下版本所存在的生產(chǎn)數(shù)據(jù)與模型訓(xùn)練基礎(chǔ)數(shù)據(jù)存在差異的問題。另外，谷歌公司還提供云機器學(xué)習(xí)服務(wù)，負責(zé)立足谷歌自身云基礎(chǔ)設(shè)施實現(xiàn)Tensor Flow運行。最后，1.0版本還包含合作行調(diào)試工具。

 

Tensor Flow 1.0相關(guān)特性: 

      Tensor Flow能夠幫助工程師、藝術(shù)家、學(xué)生以及其他用戶群體完成各類任務(wù)，包括語言翻譯、皮膚癌檢測乃至預(yù)防糖尿病患者出現(xiàn)失明癥狀等等。作為首個正式版本，Tensor Flow 1.0立足山景城谷歌公司總部并在世界范圍內(nèi)引起了重大反響。

 

速度更快: – 

      其運行速度相當(dāng)出色。XLA的引入則為未來進一步提升性能表現(xiàn)提供了堅實的基礎(chǔ)。Tensor Flow能夠?qū)δ�的模型加以調(diào)整，從而實現(xiàn)最佳速度水平。Tensor Flow 1.0及其更新模型充分證明了Tensor Flow在速度方面的優(yōu)秀表現(xiàn)。Tensor Flow 1.0之所以速度更快，是因為其可在8 GPU環(huán)境下實現(xiàn)7.3倍的Inception v3運行速度，而64 GPU環(huán)境下的分布式Inception v3運行速度更可提升58倍。

 

靈活性: – 

      Tensor Flow 1.0中包含的Keras是一套高級神經(jīng)網(wǎng)絡(luò)庫，這套模塊可為此次推出的新版本提供高水平兼容性。Tensor Flow還引入了高級API tf.losses、tf.metrics以及tf.layers模塊。

 

更適用于生產(chǎn)環(huán)境: – 

      Tensor Flow面向多種不同語言提供API選項以構(gòu)建并執(zhí)行Tensor Flow圖形，但其中Python API的易用性最為出色。Tensor Flow 1.0版本中包含的Python AIP能夠提供更理想的穩(wěn)定性，同時能夠在無需破壞現(xiàn)有代碼的前提下輕松添加新功能。目前Tensor Flow 1.0提供API的受支持語言包括Python、C++、Java以及Go。

標(biāo)簽： isp seo 安全 代碼 谷歌 互聯(lián)網(wǎng) 搜索 網(wǎng)絡(luò) 問題 選擇 用戶

版權(quán)申明：本站文章部分自網(wǎng)絡(luò)，如有侵權(quán)，請聯(lián)系：west999com@outlook.com
特別注意：本站所有轉(zhuǎn)載文章言論不代表本站觀點！
本站所提供的圖片等素材，版權(quán)歸原作者所有，如需使用，請與原作者聯(lián)系。