人工智能無(wú)處不在，特別是在您的瀏覽器中。

基于瀏覽器的AI具有多個(gè)優(yōu)點(diǎn)。在瀏覽器中運(yùn)行AI可以 通過(guò)直接在客戶(hù)端上執(zhí)行某些AI操作(例如情感分析， 手勢(shì)檢測(cè) 和樣式轉(zhuǎn)換)來(lái)加快速度 。它可以消除對(duì)基于云的資源的后臺(tái)應(yīng)用程序編程接口請(qǐng)求的需求，從而簡(jiǎn)化并加速了AI應(yīng)用程序的端到端流程。

它還可以為AI應(yīng)用提供直接訪問(wèn)來(lái)自客戶(hù)端傳感器(例如網(wǎng)絡(luò)攝像頭，麥克風(fēng)，GPS和陀螺儀)的豐富數(shù)據(jù)的權(quán)限。它通過(guò)在客戶(hù)端中保留基于瀏覽器的AI數(shù)據(jù)來(lái)解決隱私問(wèn)題。同樣重要的是，它使AI成為使用JavaScript和其他客戶(hù)端語(yǔ)言，框架和工具工作的大量Web開(kāi)發(fā)人員的能力范圍。

由于所有這些原因，用于開(kāi)發(fā)AI應(yīng)用程序的以瀏覽器為中心的工具開(kāi)始大量涌現(xiàn)。TensorFire是投放市場(chǎng)的最新產(chǎn)品之一，TensorFire是由MIT研究人員團(tuán)隊(duì)開(kāi)發(fā)的一種開(kāi)源工具。它加入了我在最近的博客中討論的JavaScript AI開(kāi)發(fā)框架的列表 。Google提供了該技術(shù)的幾個(gè)演示，其中一個(gè)是用計(jì)算機(jī)玩的“巖紙剪刀”游戲(如圖)。

他們的共同點(diǎn)是支持各種瀏覽器端語(yǔ)言和腳本的AI編程。它們都支持在瀏覽器中對(duì)機(jī)器學(xué)習(xí)，深度學(xué)習(xí)和其他AI模型進(jìn)行交互式建模，訓(xùn)練，執(zhí)行和可視化。他們都可以利用本地安裝的圖形處理單元和其他AI優(yōu)化的硬件來(lái)加快模型執(zhí)行速度。他們中的許多人提供了內(nèi)置的和經(jīng)過(guò)預(yù)訓(xùn)練的神經(jīng)網(wǎng)絡(luò)模型，以加快瀏覽器中回歸，分類(lèi)，圖像識(shí)別和其他AI任務(wù)的開(kāi)發(fā)速度。

在領(lǐng)先的AI供應(yīng)商中，Google提供了最全面的工具，可幫助開(kāi)發(fā)人員不僅為瀏覽器而且在越來(lái)越多的客戶(hù)端應(yīng)用程序和設(shè)備中構(gòu)建ML和DL應(yīng)用程序。在這方面，Google最近發(fā)布了幾條重要的公告：

新的基于瀏覽器的AI框架： 3月下旬，Google在其開(kāi)發(fā)者大會(huì)上宣布了TensorFlow.js。TensorFlow.js是deeplearn.js的演進(jìn)， Deeplearn.js是Google去年發(fā)布的JavaScript庫(kù)。它建立在Google的TensorFlow Playground上，TensorFlow Playground是用TypeScript編寫(xiě)的神經(jīng)網(wǎng)絡(luò)的交互式可視化。這個(gè)新框架支持客戶(hù)端AI應(yīng)用程序的交互式JavaScript開(kāi)發(fā)，其中完全或大部分在瀏覽器中構(gòu)建和訓(xùn)練模型，并且數(shù)據(jù)也保留在其中。它還允許導(dǎo)入預(yù)訓(xùn)練的AI模型-或通過(guò)轉(zhuǎn)移學(xué)習(xí)進(jìn)行調(diào)整 —僅適用于基于瀏覽器的推理。該框架允許開(kāi)發(fā)人員導(dǎo)入先前 使用Keras或TensorFlow SavedModels在Python中離線訓(xùn)練的模型 ，然后將它們用于瀏覽器中的推理或轉(zhuǎn)移學(xué)習(xí)，并利用WebGL加速來(lái)實(shí)現(xiàn)客戶(hù)端GPU加速。TensorFlow.js團(tuán)隊(duì)正計(jì)劃對(duì)其進(jìn)行更新，以支持后端Node.js JavaScript開(kāi)發(fā)框架。

新的嵌入移??動(dòng)設(shè)備的AI框架：Google于三月正式發(fā)布了Swift for TensorFlow，就在上周，該開(kāi)源ML開(kāi)發(fā)框架在GitHub上可用。該框架支持使用針對(duì)iOS，macOS，watchOS，tvOS和Linux的通用編譯語(yǔ)言對(duì)ML模型進(jìn)行編程。它會(huì)自動(dòng)分析Swift代碼并構(gòu)建TensorFlow圖和運(yùn)行時(shí)調(diào)用。在形成TensorFlow圖后，該工具會(huì)將其序列化為易于在程序運(yùn)行時(shí)加載的可執(zhí)行編碼。如本設(shè)計(jì)概述中所述，Swift for TensorFlow允許程序員直接從Swift調(diào)用Python API，以便ML開(kāi)發(fā)人員可以繼續(xù)使用現(xiàn)有的數(shù)據(jù)科學(xué)和其他有用的工具，同時(shí)使用Swift構(gòu)建TensorFlow應(yīng)用程序。它支持即時(shí)評(píng)估AI操作，而無(wú)需額外的圖形構(gòu)建步驟，這是一種在TensorFlow中被稱(chēng)為“渴望執(zhí)行”的命令式編程方法。它提供了該語(yǔ)言的API包裝器以及編譯器，解釋器，腳本和語(yǔ)言增強(qiáng)功能，從而在構(gòu)建用于嵌入移動(dòng)和邊緣應(yīng)用程序的AI時(shí)提高了開(kāi)發(fā)人員的工作效率。

對(duì)其移動(dòng)計(jì)算機(jī)視覺(jué)AI庫(kù)的更新：該公司推出了MobileNetV2，這是嵌入在移動(dòng)設(shè)備中的，由DL支持的通用通用計(jì)算機(jī)視覺(jué)神經(jīng)網(wǎng)絡(luò)家族的最新一代。該最新版本包括針對(duì)分類(lèi)，對(duì)象檢測(cè)和語(yǔ)義分割的視覺(jué)識(shí)別算法的增強(qiáng)功??能。Google已發(fā)布基準(zhǔn)測(cè)試，表明V2算法在執(zhí)行這些任務(wù)方面比其前身更快，更高效，更準(zhǔn)確。新版本可作為T(mén)ensorFlow-Slim圖像分類(lèi)庫(kù)的一部分，在Google的 Colaboratory工具中，在可下載的 Jupyter筆記本中，如： TF-Hub上的模塊，甚至是GitHub上的預(yù)訓(xùn)練模型。

通用設(shè)備嵌入式AI框架的更新：最近更新了已建立的TensorFlow Lite，該版本提供了帶有輕便核心解釋器的輕量級(jí)框架，用于在移動(dòng)設(shè)備和其他邊緣設(shè)備(包括在Raspberry Pi上運(yùn)行的那些設(shè)備)上部署經(jīng)過(guò)訓(xùn)練的ML模型。

谷歌對(duì)其TensorFlow.js開(kāi)發(fā)者生態(tài)系統(tǒng)的開(kāi)發(fā)開(kāi)始加速。查看此在線“游樂(lè)場(chǎng)”，它邀請(qǐng)開(kāi)發(fā)人員“在您的瀏覽器中通過(guò)神經(jīng)網(wǎng)絡(luò)進(jìn)行修補(bǔ)”。這是一個(gè)第三方數(shù)據(jù)科學(xué)開(kāi)發(fā)人員網(wǎng)站，可指導(dǎo)您逐步開(kāi)發(fā)基于JavaScript的TensorFlow.js應(yīng)用程序。這是第三方文章，為T(mén)ensorFlow.js開(kāi)發(fā)人員提供轉(zhuǎn)換器和實(shí)用程序。