谷歌推出efficientnet-edgetpu演演算法，加快ai邊緣裝置效能。efficientnet-edgetpu是針對coral dev board，tinker edge t等搭載edge tpu張量處理器進行最佳化的演演算法，能提公升神經網路運算效能達10倍，對運算能量有限的邊緣裝置來說，是相當重要的突破，並能帶來更多應用可能性。
透過ai彌補摩爾定律放緩
摩爾定律（摩爾定律）由英特爾創始人之一戈登‧摩爾提出，他**每隔兩年積體電路可容納的電晶體數目會增加1倍，過去數十年，電腦發展都相當契合這條定律。
google在官方ai研究部落格提到，在半導體製程越來越精進之後，要進一步縮小電晶體的尺寸比以往更困難，因此資訊產業便逐漸將開發焦點轉移到硬體加速等特殊應用領域，以持續推動產業發展。
這個現象也發生在ai，機器學習領域，許多研發單位都在致力打造神經網路（神經網路，nn）的加速運算單元，但是諷刺的是，即便應用於資料中心或邊緣裝置的神經運算裝置越來越普遍，但卻很少為這些硬體最佳化設計的演演算法。
為了解決這個問題，google發表了efficientnet-edgetpu影像分類演算模型，顧名思義可能到它以及google自家開源efficientnets模型為基礎，並針對edge tpu最佳化，以利提公升邊緣裝置在ai運算的效能表現。
▲華碩推出的tinker edge t開發板也搭載edge tpu。
針對edge tpu最佳化
為了將efficientnets最佳化，google的研發團隊使用automl mnas框架，並針對edge tpu的特性調整神經網路的搜尋空間（search space），同時也整合延遲**模組，以利預估edge tpu的運算延遲。
執行運算時，efficientnets主要採用深度可分離卷積（depthwise-separable convolutions），雖然可以降低運算量，但並不適合edge tpu的架構，因此efficientnet-edgetpu改採一般常規卷積，雖然會讓運算量增加，但還是有較好的整體運算效能。
實際驗證的測試中，efficientnet-edgetpu-s代表基本模型，而-m和-l模型則代先採用復合縮放將原始影象調整為最佳解析度，以更大，更準確的模型判讀，犧牲延遲換取更高準確度。結果報告顯示，無論使用哪款模型，效能與準確度都有出色表現，效能大幅領先resnet-50，準確度也遠高於mobilenet v2。
谷歌熱榜推出 2007 旅遊專題
十一在即，有沒有為這七天長假制訂乙個出行計畫好好放鬆一下呢？如果還沒有想好去哪，谷歌熱榜推出 2007 旅遊排行幫您的忙。看看什麼地方去的人多，可以大致了解下。我們根據近期真實搜尋資料，分析使用者所想，用最直觀的排行榜形式，向您推介最受關注的旅遊資訊。在這裡，您不僅可以一覽國內 8 個地區各個區域的...
谷歌 T Mobile推出新手機
谷歌 google inc.周二為t mobile usa推出首部使用android軟體的智慧型手機 這家網路巨頭希望藉此改變無線通訊領域的格局。在網際網路領域佔據統治地位的谷歌一直努力試圖在流動網路市場開拓出一片天地。這款名為g1的手機背面帶有谷歌的品牌標識 外形和市面上的其他智慧型手機相差無幾。...
驍龍888旗艦5G晶元正式推出演繹極致效能
高通每一代手機晶元的更新換代，都會給智慧型手機帶來體驗的大幅提公升。12月1日，隨著高通最新一代的旗艦層級晶元驍龍888移動平台的推出，高通又一次將效能和5g極致演繹，堪稱現階段的手機晶元領域的最高水準。眾看官禁不住蠢蠢欲動 又到了手機換代的大好 時節 了。本次新高通驍龍8885g旗艦晶元帶來的是一...