您好、欢迎来到现金彩票网!
当前位置:红黑大战作弊器助手 > 移动开发 >

提升用户使用体验

发布时间:2019-07-18 12:51 来源:未知 编辑:admin

  在第二天的人工智能开放平台与产业发展论坛上,腾讯AI Lab 高级研究员吴家祥发表了主题为《PocketFlow--赋能移动端AI 应用开发》的精彩演讲。

  PocketFlow 的整体设计框架为:① 用户提供原始模型以及自定义的压缩偏好,比如用户希望是一个体积更小的模型,还是运行速度更快的模型,这会反映到最终得到的压缩后模型的具体性能。② 得到这些信息,我们会提供很多模型压缩方法,从不同层面降低计算复杂度,基于特定的模型压缩算法训练原始模型,使它更高效。③ 为了提高模型的训练效率,我们提供了基于数据的快速训练、完整训练和网络蒸馏训练、多机多卡分布式训练。最后,因为移动应用开发者不一定很了解底层的 AI 算法细节,对于模型压缩过程中的超参数,可能选择不好,我们会基于 AutoML 方法,对超参数进行自动优化,最终得到一个计算更为高效的模型,提供给移动端的应用开发者,这样他就可以把模型直接部署到移动设备上,比如智能手机或者监控摄像头。

  5月25日-26日,由中国人工智能学会主办,南京市麒麟科技创新园管理委员会与京东云共同承办的2019全球人工智能技术大会(2019 GAITC)在南京紫金山庄成功举行。

  在以往的很多移动端 AI 应用场景中,考虑到计算资源的限制,我们会把大量计算放在服务器端,移动端只做少量计算,但实际上这样做问题很多。

  从四个方面分析。第一是硬件,包括通用型的和 AI 专用的芯片;第二是框架;第三是更加精简的网络结构;第四是模型压缩,给定一个模型,我们可以对它做权重稀疏化或者还是低秩分解,都可以保证这个模型在识别精度不变的情况,大幅度降低其计算开销,提升整体运行速度,提升用户使用体验。总之,这四个方面促进了移动端 AI的开发。我们希望提出更高效的,或者更方便使用的模型压缩工具,对于不太了解 AI专业知识的移动应用开发者,可以借助我们的工具,可以快速地把模型应用到移动端。

  接下来,我们给出经 PocketFlow 压缩后的模型在移动端的实际运行效率对比,从下表中可以看到,对于 ResNet 模型,我们能把运行时间从原来的 334 ms 降到现在的 220 ms 左右,相当于把运行时间降低到原来的 60%~70%,精度损失大约为两个百分点;MobileNet 模型尺寸可以降低到原来的四分之一,精度方面相对于原始模型甚至还有小幅度的提升。

  第一,比如用相机拍照,用户对实时性的要求非常高,不希望有明显的延迟,我们希望在移动端本地做处理。

  第一个是对美颜相机中的人脸关键点定位模块进行优化。通过该模块,我们可以从人脸图像中准确地识别出 100 多个关键点的位置,从而对面部图像进行美化和修饰,提升视觉效果。我们通过通道剪枝方法对这其中的模型进行压缩,在非常精简的网络结构

关于我们|联系我们|版权声明|网站地图|
Copyright © 2002-2019 现金彩票 版权所有