Siri 傻傻聽不清？教你DIY提升TA的智商！

Siri 傻傻聽不清？教你DIY提升TA的智商！

原創

讀芯術

2018-05-14

作者 羊習習

全文共1565字，預計閱讀時長3分鐘

跟Siri對話已經讓你心累到不行？

嫌棄輸入法總是不得你心？

除了等待官方更新，其實，你還可以自己動手~突然一下，Siri不僅可以用來談戀愛，還能玩養成遊戲，想想心裡是不是有些小激動呢？

深度學習框架

深度學習框架，是幫助AI入門者進行深度學習的工具。由於使用者不需要從複雜的神經網路開始撰寫代碼，從而大大降低了深度學習的入門門檻。

深度學習框架一般包括5個部分：張量、基於張量的各種操作、計算圖、自動微分工具、BLAS等拓展包。

其中，張量是深度學習框架中最核心的組件，可以理解為矩陣的集合。它包含著用於運算的一切數據集。

而基於張量的各種操作，則是一系列運算過程。它指向的是深度學習框架所要實現的目標，或者是圖像識別，又或者是自然語言處理。

處理張量之後的下一步，則需要計算圖的協助。為了維持一個龐大的框架，使各部分協調運行，一個帶有邏輯關係、運算節點的「圖」型數據結構將起到重要的作用。這個「圖」型數據結構就是計算圖。

舉個形象的例子，如果一個深度學習框架是一家公司的話，那麼計算圖則會劃分出這家公司的各個部門。在計算圖的劃分下，框架中的各部分在有優先順序之分的同時不會互相干擾，也不會因為一個部分的變動而影響整個演算法的運作。

計算圖帶來的另一個好處，是讓模型訓練階段的梯度計算變得模塊化且更為便捷，也就是自動微分法的實現。我們都知道，能否實現梯度計算是訓練是否成功的標誌，它顯示的是計算機的推斷、決策與目標輸出結果的耦合程度。

而拓展包的應用，則是為了提升運算的效率。

移動化的實現

既然深度學習框架運算量巨大，對於運算效率又十分注重，那麼單憑手機的CPU如何滿足這些要求呢？答案是不需要。

機器學習，其實分為兩個階段：第一個階段是訓練並得到模型；第二個階段則是在得到模型後，通過實際使用而達到測試模型、強化學習的目的。

而深度學習框架移動化的目的，是完成第二個環節。因此，不需要特別優秀的CPU，深度學習框架在手機上也能實現。

不過，手機上的深度學習框架自然與主機上的不同。目前，主要有兩種輕量級的框架可供手機使用。

第一種是online的方式。手機主要用於收集並預處理待測數據。這些數據可以打包發送到關聯的含有完整深度學習框架的高性能主機上進行運算。隨後，結果又會通過網路回傳手機。

第二種是offline方式。即在伺服器上進行訓練後，在手機上進行測試的框架。

蘋果的Core ML就是採用offline方式的深度學習框架。Core ML 提供支持人臉追蹤、人臉檢測、地標、文本檢測、條碼識別、物體追蹤、圖像匹配等任務的API。也就是說，蘋果手機內置應用都可以根據你的需求變成AI+APP了！

據官方演示，Core ML的用戶不僅可以讓Siri變成同聲翻譯機器人，還可以為相機增添人臉識別的功能。想像一下臉盲的你，打開手機照相功能便可以確認目前向你招手的人是通訊錄中的哪一個，是不是覺得世界都變好了呢？

沒有蘋果手機也無須沮喪，百度開源移動端深度學習框架MDL，只需修改幾個參數，便可在蘋果安卓系統自由切換使用。不僅如此，MDL還是一款online、offline相結合的深度學習框架，使用者可以將運算量大的任務轉發到主機上運行。

讀芯君開扒

深度學習框架移動化，有必要嗎？

深度學習框架移動化，歸根結底就是將深度學習框架的一部分內容獨立出來，應用到手機上，使得運算能力較低的設備也能使用框架進行學習和測試。

在小芯眼中，有這類框架的誕生，有兩個顯著優點。

第一，它讓配置低下的機器也有了進入深度學習框架的門票。讓複雜的計算轉入高計算能力主機，讓簡單計算進一步輕量化，程序猿們捧著手機編程的夢終於能夠實現。

第二，它讓AI落地手機更加方便。如今，AI手機、AI應用遍地都是，如何實現高速而有效率的測試，對於這些產品搶佔市場有著十分重要的意義。那麼，直接在手機上進行測試反饋、強化訓練，對效率的提升自然十分顯著。

而對於還在吃瓜的我們，不僅有了可以編輯APP的權力，還能像背單詞、看小說那樣，隨時隨地學習框架寫作，也可謂是神器加身啦。

留言 點贊 發個朋友圈

我們一起探討AI落地的最後一公里

推薦閱讀：