TensorFlow Lite Model Maker ускоряет развертывание моделей ИИ

Google анонсировал TensorFlow Lite Model Maker — инструмент, который адаптирует современные модели машинного обучения к кастомным наборам данных, используя технику, известную как трансферное обучение. Он объединяет концепции машинного обучения с API, который позволяет разработчикам обучать модели в инфраструктуре Google TensorFlow AI с помощью всего лишь нескольких строк кода и развертывать эти модели для приложений искусственного интеллекта на устройствах.

Такие инструменты, как Model Maker, могут помочь компаниям начать использовать ИИ в своих рабочих процессах быстрее, чем раньше. Согласно исследованию, проведенному Algorithmia, 50% организаций тратят от 8 до 90 дней на развертывание одной модели машинного обучения, причем большинство из них указывают на длительное время развертывания как на основной недостаток масштабируемости.

Model Maker, который в настоящее время поддерживает только классификацию изображений и текстов, работает со многими моделями TensorFlow Hub, библиотеки Google для модулей машинного обучения («модули» в данном контексте — автономные алгоритмы и ресурсы, которые могут использоваться в различных задачах ИИ). По сути, Model Maker применяет модель, обученную в одной задаче, к другой, похожей на нее задаче, с произвольным уровнем точности в соответствии с несколькими заданными параметрами.

Точность модели можно улучшить, изменив архитектуру модели, что требует внесения изменения всего в одну строчку кода. После загрузки входных данных в модель ИИ, которую предполагается применять на устройстве, Model Maker оценивает ее и экспортирует как модель TensorFlow Lite.

В ближайшие месяцы Google намерен усовершенствовать Model Maker для поддержки большего количества задач, включая обнаружение объектов и нескольких задач обработки  естественного языка. В частности, компания говорит, что добавит BERT, методику предварительного обучения НЛП, для такого типа приложений, как вопросы и ответы.