Google更新Coral开发平台，支持训练后量化与TF Lite委派

原标题：Google更新Coral开发平台，支持训练后量化与TF Lite委派

Google更新其人工智能开发平台Coral，不只发布新的编译器版本支持训练后量化（Post-Training Quantization），还加入了TensorFlow Lite委派（Delegate）API，Edge TPU也能够用来加速使用TensorFlow Lite直译器API的模型。

Coral是一个人工智能测试平台，包含了软件以及硬件，开发人员可以在搭载Edge TPU的Coral开发板上建立、训练和执行神经网络程序，有助于设计应用程序原型，以便后续正式产品开发。硬件除了有Coral开发板之外，周边硬件还有一个可通过MIPI界面连结的500万画素相机，和可与其他Linux系统整合使用的外接Coral USB加速器，而软件开发工具方面，主要由TensorFlow与TensorFlow Lite发展而来。

现在Coral研发团队更新Coral的开发工具，编译器更新至2.0版本，新增支持使用训练后量化技术建立的模型。Tensorflow团队提到，训练后量化可以将使用浮点数训练的模型，量化为Int 8的模型，优点除了可以缩小模型大小之外，也可以加快Coral设备中搭载的Edge TPU执行模型运算的速度。

之前，开发者的模型要获得Edge TPU良好的加速效能， 需要使用官方提供的Edge TPU Python API或是C++撰写源代码，不过现在官方发布了TensorFlow Lite委派，让模型即便使用TensorFlow Lite直译器API，也可以得到Edge TPU 的加速。Coral研发团队提到，TensorFlow Lite委派API目前还是个实验性功能，他允许TensorFlow Lite直译器将部分或是全部图执行（Graph Execution）委派给其他执行程序，也就是Edge TPU。

另外，开发工具中的Edge TPU Python函式库也更新到了2.11.1版本，加入了迁移学习（Transfer Learning）的支持。新的设备反向传播API让开发者，可以在图像分类模型的最后一层执行迁移学习，而在设备上是以CPU执行，并以接近即时的速度执行迁移学习，为模型加入迁移学习，开发者不需要重新编译模型。

Coral研发团队也与AutoML团队合作，共同发布了一系列图像分类模型EfficientNet-EdgeTPU，这些模型是基于EfficientNet架构，专为EdgeTPU最佳化，可用超小型的模型达到服务器端模型才能做到的图像分类程度。返回搜狐，查看更多

责任编辑：