最新进展 | Android 自定义机器学习堆栈

65 阅读 0 评论 43 点赞

我是靠谱客的博主香蕉大雁，最近开发中收集的这篇文章主要介绍最新进展 | Android 自定义机器学习堆栈，觉得挺不错的，现在分享给大家，希望可以做个参考。

概述

作者 / Android 机器学习平台团队

相较于服务器端机器学习 (ML)，设备端机器学习有其独特的优势，如支持离线使用、延迟更低、隐私性更高和推理成本更低，因此 Android 中设备端机器学习的使用迅速增长。

在构建基于设备端 ML 的功能时，Android 开发者通常有两种选择: 要么使用生产就绪型 SDK (包含经过预训练和优化的 ML 模型)，例如机器学习套件；要么在需要加强控制时，设置专属的自定义 ML 模型和功能。

Android 自定义 ML 堆栈是一组用于在 Android 上部署自定义 ML 功能的基本 API 及服务，我们将为您介绍一些关于该堆栈的更新。

Google Play 服务中的 TensorFlow Lite 现已成为 Android 的官方 ML 推理引擎

在 2021 年 Google I/O 大会上，我们首次宣布在 Google Play 服务中推出早期预览版的 TensorFlow Lite，作为独立 TensorFlow Lite 的替代方案。从发布至今不断发展，现在每个月通过数万个应用为数十亿用户提供服务。近期，我们在 Google Play 服务中发布了 TensorFlow Lite 的稳定版本，并且将其打造为 Android 的官方 ML 推理引擎。

在 Google Play 服务中使用 TensorFlow Lite 不仅可让您缩减二进制文件大小，还能通过自动更新获得性能提升，来确保您从 Android 自定义 ML 堆栈中轻松集成新 API 和服务，因为这些 API 和服务将在我们的官方推理引擎上进行构建。

如果您目前计划将 TensorFlow Lite 绑定到应用中，请查看文档进行迁移:

https://www.tensorflow.org/lite/android/play_services

TensorFlow Lite 委托现在可通过 Google Play 服务分发

我们在几年前发布的 GPU 委托和 NNAPI 委托，可以让您充分利用 GPU、DSP 或 NPU 等专用硬件的处理能力。现在，GPU 和 NNAPI 委托都可以通过 Google Play 服务分发。

我们也深知部分开发者希望在高级用例中直接使用自定义委托，因此正积极与硬件合作伙伴协作，致力于通过 Google Play 服务来扩大对其自定义委托的访问。

借助 Acceleration Service 选择最合适的 TensorFlow Lite 委托，在运行时实现最佳性能

在 Android 中，由于硬件差异，为每位用户确定最佳委托颇为复杂。为帮助您应对这一挑战，我们正在构建新的 API，以便您在运行时为 TensorFlow Lite 模型安全地优化硬件加速配置。

我们计划在明年年初公开发布 Acceleration Service，现阶段用户可通过申请获取早期预览版:

https://developer.android.google.cn/ml/early-access

持续打造 Android 自定义 ML 堆栈

我们致力于为 Android 的高性能自定义设备端 ML 提供必备资源。