如今，從個(gè)人設(shè)備到企業(yè)應(yīng)用程序，人工智能已經(jīng)無處不在，您隨處可見。隨著物聯(lián)網(wǎng)的出現(xiàn)，對(duì)數(shù)據(jù)隱私、低功耗、低延遲和帶寬限制的需求不斷增長(zhǎng)，越來越多地推動(dòng)人工智能模型在邊緣而不是云端運(yùn)行。

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

當(dāng)我們訓(xùn)練 AI 模型時(shí)，我們最終會(huì)得到具有高存儲(chǔ)要求和 GPU 處理能力的 AI 模型。我們無法在內(nèi)存和處理占用空間不足的設(shè)備上執(zhí)行它們。TensorFlow Lite 在這種情況下很有用。TensorFlow Lite 是一個(gè)開源深度學(xué)習(xí)框架，在邊緣 TPU 上運(yùn)行，允許在設(shè)備上進(jìn)行推理和 AI 模型執(zhí)行。另請(qǐng)注意，TensorFlow Lite僅用于在邊緣執(zhí)行推理，而不是用于訓(xùn)練模型。為了訓(xùn)練AI模型，我們必須使用TensorFlow。

結(jié)合邊緣TPU和TensorFlow Lite

當(dāng)我們談?wù)撛谶吘?TPU 上部署 AI 模型時(shí)，我們無法部署任何 AI 模型。

Edge TPU 支持 NN（神經(jīng)網(wǎng)絡(luò)）操作和設(shè)計(jì)，以低功耗實(shí)現(xiàn)高速神經(jīng)網(wǎng)絡(luò)性能。除了特定的網(wǎng)絡(luò)，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(jié)，TensorFlow Lite是專為移動(dòng)和嵌入式設(shè)備設(shè)計(jì)的TensorFlow的輕量級(jí)版本。它以較小的存儲(chǔ)大小實(shí)現(xiàn)了低延遲結(jié)果。有一個(gè)TensorFlow Lite轉(zhuǎn)換器，允許將基于TensorFlow的AI模型文件（。 pb）轉(zhuǎn)換為TensorFlow Lite文件（.tflite）。下面是在邊緣 TPU 上部署應(yīng)用程序的標(biāo)準(zhǔn)工作流。

邊緣 TPU 上的應(yīng)用程序部署

讓我們看一些有趣的實(shí)際應(yīng)用程序，這些應(yīng)用程序可以在邊緣TPU上使用TensorFlow Lite構(gòu)建。

人體檢測(cè)和計(jì)數(shù)

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

估計(jì)客流量：對(duì)于零售業(yè)來說，這很重要，因?yàn)樗梢粤私馑麄兊纳痰晔欠窠?jīng)營(yíng)良好。他們的展示是否吸引了顧客進(jìn)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(duì)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(duì)列管理：對(duì)于政府機(jī)關(guān)和企業(yè)來說，通過人工檢測(cè)和計(jì)數(shù)進(jìn)行隊(duì)列管理有助于他們管理更長(zhǎng)的隊(duì)列并節(jié)省人們的時(shí)間。研究隊(duì)列可以歸因于個(gè)人和組織的績(jī)效。人群檢測(cè)可以幫助分析緊急情況、安全事件等的人群警報(bào)，并采取適當(dāng)?shù)拇胧?。此類解決方案在邊緣部署時(shí)可提供最佳結(jié)果，因?yàn)榭梢越咏鼘?shí)時(shí)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(shí)際應(yīng)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?yàn)樗_定你是男性。有針對(duì)性的廣告可以幫助零售商和制造商更好地定位他們的產(chǎn)品，并建立正常人在忙碌的生活中永遠(yuǎn)看不到的品牌知名度。

這不能僅限于廣告，年齡和性別檢測(cè)還可以通過管理零售店的適當(dāng)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(dòng)，所有這些都會(huì)更加強(qiáng)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(shí)別

第一個(gè)人臉識(shí)別系統(tǒng)建于1970年，迄今為止仍在開發(fā)中，變得更加強(qiáng)大和有效。在邊緣進(jìn)行人臉識(shí)別的主要優(yōu)點(diǎn)是實(shí)時(shí)識(shí)別。另一個(gè)優(yōu)點(diǎn)是在邊緣進(jìn)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(jìn)行匹配，從而保護(hù)人臉圖像的 PII 級(jí)隱私（因?yàn)槟粫?huì)將人臉圖像保存在邊緣和云上）并遵守嚴(yán)格的隱私法。

Edge TPU與TensorFlow Lite框架相結(jié)合，開啟了多個(gè)邊緣AI應(yīng)用機(jī)會(huì)。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(jī)器學(xué)習(xí)用例中更加受歡迎。TensorFlow Lite的整體平臺(tái)增強(qiáng)了嵌入式和物聯(lián)網(wǎng)設(shè)備邊緣應(yīng)用程序的增長(zhǎng)環(huán)境。

審核編輯：郭婷