（文章來源：pymath科技）
谷歌今天發布了TensorFlow Lite Model Maker，該工具使用一種稱為轉移學習的技術，將最先進的機器學習模型應用于自定義數據集。它用一個API包裝機器學習概念，使開發人員只需幾行代碼就可以在谷歌的TensorFlow人工智能框架中訓練模型，并為設備上的人工智能應用程序部署這些模型。

像Model Maker這樣的工具可以幫助公司更快地將人工智能融入到工作流程中。根據一項由Algorithmia進行的研究，50%的公司花8到90天時間部署一個單一的機器學習模型，其中大多數將持續時間歸咎于無法擴展。

Model Maker目前只支持圖像和文本分類用例，它與TensorFlow Hub中的許多模型一起工作，TensorFlow Hub是谷歌的可重用機器學習模塊庫。本質上，Model Maker根據在開始時指定的幾個參數，以不同的精度將在一個任務上訓練的模型應用于另一個相關任務。通過修改模型結構，Model Maker可以提高模型精度。在加載特定于設備上AI的輸入數據之后，Model Maker評估該模型并將其導出為TensorFlow Lite模型。

TensorFlow Lite Model Maker創建的模型附加了元數據，包括機器可讀的參數（如平均值、標準差、類別標簽文件）和人類可讀的參數（如模型描述和許可證）。谷歌注意到，像licenses這樣的字段在決定是否可以使用模型時非常關鍵，而其他系統可以使用機器可讀的參數來生成包裝器代碼。

在接下來的幾個月里，谷歌打算增強Model Maker以支持更多的任務，包括對象檢測和一些自然語言處理任務，它將為問答等應用程序添加BERT，這是一種用于自然語言處理的預訓練技術。

Model Maker的推出緊隨API-量化感知培訓（QAT）之后，該培訓利用量化的性能優勢（將大集合的輸入值映射到小集合的輸出值的過程）訓練更小、更快的TensorFlow模型，同時保持接近其原始精度。谷歌對于人工智能方面的研究著實到達了一個很高的地方。
（責任編輯：fqj）