谷歌的定制張量處理器（TPU）芯片是去年谷歌云平臺客戶可以使用的最新一代芯片，專為人工智能推理和培訓(xùn)任務(wù)量身定制，如圖像識別，自然語言處理和強化學(xué)習(xí)。為了支持開發(fā)應(yīng)用程序的開發(fā)，Mountain View公司擁有穩(wěn)定的開源架構(gòu)，如BERT（一種語言模型），MorphNet（一種優(yōu)化框架）和UIS-RNN（一種揚聲器二值化系統(tǒng)），通常還附帶了數(shù)據(jù)集。延續(xù)這一思路，谷歌今天在其庫中添加了兩種新的圖像分割模型，并聲稱這兩種模型都實現(xiàn)了部署在云TPU pod上的最先進的性能。
該模型- Mask R-CNN和DeepLab v3+ -自動標(biāo)記圖像中的區(qū)域，并支持兩種類型的分割。第一類是實例分割，它為一個或多個對象類（例如，家庭照片中的人）的每個實例提供一個惟一的標(biāo)簽，而語義分割則根據(jù)圖像所代表的對象或紋理類對圖像的每個像素進行注釋。（例如，一個城市的街景可能被標(biāo)記為“人行道”、“人行道”和“建筑物”。）
正如谷歌所解釋的，Mask R-CNN是一個兩階段的實例分割系統(tǒng)，可以同時定位多個對象。第一個階段從輸入照片中提取模式，以識別潛在的感興趣區(qū)域，而第二個階段在為每個輸入照片生成像素級掩碼之前，對這些建議進行細化，以預(yù)測對象類。
另一方面，DeepLab 3+優(yōu)先考慮分割速度。使用谷歌最新一代TPU硬件（v3）上的TensorFlow機器學(xué)習(xí)框架，在開源PASCAL VOC 2012圖像語料庫上進行培訓(xùn)，在不到5小時的時間內(nèi)完成培訓(xùn)。
本周起，Google為Mask R-CNN和Deeplab 3+提供的協(xié)作平臺上的教程和筆記就可以使用了。
TPU是一種特定于應(yīng)用程序的集成電路（asic），它是液態(tài)冷卻的，設(shè)計用于插入服務(wù)器機架，內(nèi)部用于支持谷歌照片、谷歌云視覺API調(diào)用和谷歌搜索結(jié)果等產(chǎn)品。第一代設(shè)計于5月在谷歌I發(fā)布。最新一代（第三代）于2018年5月發(fā)布。谷歌聲稱它可以提供高達100千萬億次浮點運算的性能，大約是其第二代芯片的8倍。
谷歌并不是唯一一家為人工智能優(yōu)化的云托管硬件。今年3月，微軟開設(shè)了Brainwave，這是一支用于加速機器學(xué)習(xí)操作的現(xiàn)場可編程門陣列（FPGA），用于選擇Azure客戶。（微軟表示，這使得其為Bing搜索引擎提供動力的模型的性能提高了10倍。）據(jù)報道，亞馬遜正在開發(fā)一種人工智能芯片，該芯片將加速其Alexa語音引擎的模型訓(xùn)練。
https：//venturebeat.com/2019/04/24/microsoft-earnings-q3-2019/
來源：venturebeat
