如今，人工智能已經(jīng)無處不在，從個人設備到企業(yè)應用程序，隨處可見。物聯(lián)網(wǎng)的出現(xiàn)伴隨著對數(shù)據(jù)隱私、低功耗、低延遲和帶寬限制的日益增長的需求，越來越多地推動人工智能模型在邊緣而不是云端運行。

根據(jù) Grand View Research 的數(shù)據(jù)，2019 年全球邊緣人工智能芯片市場價值 18 億美元，預計從 2020 年到 2027 年將以 21.3% 的復合年增長率增長。在此之初，谷歌推出了 Edge TPU，也稱為 Coral TPU，這是其專用于在邊緣運行 AI 的 ASIC。它旨在提供出色的性能，同時占用最小的空間和功率。

當我們訓練一個 AI 模型時，我們最終會得到具有高存儲要求和 GPU 處理能力的 AI 模型。我們無法在內(nèi)存和處理空間不足的設備上執(zhí)行它們。TensorFlow Lite 在這種情況下很有用。TensorFlow Lite 是一個在 Edge TPU 上運行的開源深度學習框架，允許在設備上進行推理和 AI 模型執(zhí)行。另請注意，TensorFlow Lite 僅用于在邊緣執(zhí)行推理，而不用于訓練模型。要訓練 AI 模型，我們必須使用 TensorFlow。

結(jié)合 Edge TPU 和 TensorFlow Lite

當我們談論在 Edge TPU 上部署 AI 模型時，我們無法部署任何 AI 模型。

Edge TPU 支持 NN（神經(jīng)網(wǎng)絡）操作和設計，以實現(xiàn)低功耗的高速神經(jīng)網(wǎng)絡性能。除特定網(wǎng)絡外，它僅支持 Edge TPU 的 8 位量化和編譯的 TensorFlow Lite 模型。

簡單總結(jié)一下，TensorFlow Lite 是專為移動和嵌入式設備設計的輕量級 TensorFlow。它以小存儲大小實現(xiàn)低延遲結(jié)果。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）。以下是在 Edge TPU 上部署應用程序的標準工作流程。

Edge TPU 上的應用部署

讓我們看一些可以在邊緣 TPU 上使用 TensorFlow Lite 構(gòu)建的有趣的實際應用程序。

人體檢測和計數(shù)

這個解決方案有很多實際應用，特別是在商場、零售、政府機關、銀行和企業(yè)中。人們可能想知道如何檢測和計數(shù)人類。數(shù)據(jù)現(xiàn)在具有時間和金錢的價值。讓我們看看如何使用來自人類檢測和計數(shù)的見解。

估計客流量：對于零售業(yè)來說，這很重要，因為它可以判斷他們的商店是否經(jīng)營良好。他們的展示是否吸引顧客進入商店。它還可以幫助他們了解是否需要增加或減少支持人員。對于其他組織，它們有助于為人們采取適當?shù)陌踩胧?/p>

人群分析和隊列管理：對于政府辦公室和企業(yè)，通過人工檢測和計數(shù)進行隊列管理有助于他們管理更長的隊列并節(jié)省人們的時間。學習隊列可以歸因于個人和組織的表現(xiàn)。人群檢測可以幫助分析緊急情況、安全事件等的人群警報，并采取適當?shù)男袆印．敳渴鹪谶吘墪r，此類解決方案可提供最佳結(jié)果，因為可以接近實時地采取所需的操作。

基于年齡和性別的定向廣告。

該方案主要在零售和廣告行業(yè)有實際應用。想象一下，您走向正在展示女鞋廣告的廣告顯示屏，然后突然廣告變?yōu)槟行瑥V告，因為它確定您是男性。有針對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，并創(chuàng)造普通人在忙碌的生活中永遠看不到的品牌知名度。

這不僅限于廣告，年齡和性別檢測還可以通過管理零售店的適當支持人員，人們更喜歡訪問您的商店，企業(yè)的年齡和性別等來幫助企業(yè)快速做出決定。所有這些都更強大，更如果您很快確定并采取行動，則有效。因此，更有理由在 Edge TPU 上使用此解決方案。

人臉識別

第一個人臉識別系統(tǒng)建于 1970 年，至今仍在開發(fā)中，變得更加強大和有效。在邊緣進行人臉識別的主要優(yōu)勢是實時識別。另一個優(yōu)點是在邊緣進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)送到云端進行匹配，從而保護人臉圖像的 PII 級隱私（因為您不會將人臉圖像保存在邊緣和云端）并遵守嚴格的隱私法。

Edge TPU 與 TensorFlow Lite 框架相結(jié)合，開啟了多個邊緣 AI 應用機會。由于該框架是開源的，開源軟件 （OSS） 社區(qū)也支持它，使其在機器學習用例中更受歡迎。TensorFlow Lite 的整體平臺增強了嵌入式和物聯(lián)網(wǎng)設備邊緣應用程序增長的環(huán)境。

審核編輯：郭婷