如今，從個人設備到企業應用程序，人工智能已經無處不在，您隨處可見。隨著物聯網的出現，對數據隱私、低功耗、低延遲和帶寬限制的需求不斷增長，越來越多地推動人工智能模型在邊緣而不是云端運行。

在此開始時，谷歌推出了Edge TPU，也稱為Coral TPU，這是其專門構建的ASIC，用于在邊緣運行AI。它旨在提供出色的性能，同時占用最小的空間和功耗。

當我們訓練 AI 模型時，我們最終會得到具有高存儲要求和 GPU 處理能力的 AI 模型。我們無法在內存和處理占用空間不足的設備上執行它們。TensorFlow Lite 在這種情況下很有用。TensorFlow Lite 是一個開源深度學習框架，在邊緣 TPU 上運行，允許在設備上進行推理和 AI 模型執行。另請注意，TensorFlow Lite僅用于在邊緣執行推理，而不是用于訓練模型。為了訓練AI模型，我們必須使用TensorFlow。

結合邊緣TPU和TensorFlow Lite

當我們談論在邊緣 TPU 上部署 AI 模型時，我們無法部署任何 AI 模型。

Edge TPU 支持 NN（神經網絡）操作和設計，以低功耗實現高速神經網絡性能。除了特定的網絡，它只支持邊緣TPU的8位量化和編譯的TensorFlow Lite模型。

為了快速總結，TensorFlow Lite是專為移動和嵌入式設備設計的TensorFlow的輕量級版本。它以較小的存儲大小實現了低延遲結果。有一個TensorFlow Lite轉換器，允許將基于TensorFlow的AI模型文件（。 pb）轉換為TensorFlow Lite文件（.tflite）。下面是在邊緣 TPU 上部署應用程序的標準工作流。

邊緣 TPU 上的應用程序部署

讓我們看一些有趣的實際應用程序，這些應用程序可以在邊緣TPU上使用TensorFlow Lite構建。

人體檢測和計數

該解決方案具有許多實際應用，尤其是在商場，零售，政府辦公室，銀行和企業中。人們可能想知道檢測和計算人類可以做些什么。數據現在具有時間和金錢的價值。讓我們看看如何使用人類檢測和計數的見解。

估計客流量：對于零售業來說，這很重要，因為它可以了解他們的商店是否經營良好。他們的展示是否吸引了顧客進入商店。它還幫助他們了解是否需要增加或減少支持人員。對于其他組織，它們有助于為人們采取足夠的安全措施。

人群分析和隊列管理：對于政府機關和企業來說，通過人工檢測和計數進行隊列管理有助于他們管理更長的隊列并節省人們的時間。研究隊列可以歸因于個人和組織的績效。人群檢測可以幫助分析緊急情況、安全事件等的人群警報，并采取適當的措施。此類解決方案在邊緣部署時可提供最佳結果，因為可以接近實時地采取所需的操作。

基于年齡和性別的定向廣告。

該解決方案主要在零售和廣告行業具有實際應用。想象一下，你走向展示女鞋廣告的廣告顯示屏，然后廣告突然變成了男鞋廣告，因為它確定你是男性。有針對性的廣告可以幫助零售商和制造商更好地定位他們的產品，并建立正常人在忙碌的生活中永遠看不到的品牌知名度。

這不能僅限于廣告，年齡和性別檢測還可以通過管理零售店的適當支持人員、人們喜歡訪問您的商店、企業的年齡和性別等來幫助企業快速做出決定。如果你非常迅速地確定和行動，所有這些都會更加強大和有效。因此，更重要的是，在Edge TPU上擁有此解決方案的原因。

人臉識別

第一個人臉識別系統建于1970年，迄今為止仍在開發中，變得更加強大和有效。在邊緣進行人臉識別的主要優點是實時識別。另一個優點是在邊緣進行人臉加密和特征提取，只需將加密和提取的數據發送到云端進行匹配，從而保護人臉圖像的 PII 級隱私（因為您不會將人臉圖像保存在邊緣和云上）并遵守嚴格的隱私法。

Edge TPU與TensorFlow Lite框架相結合，開啟了多個邊緣AI應用機會。由于該框架是開源的，開源軟件（OSS）社區也支持它，使其在機器學習用例中更加受歡迎。TensorFlow Lite的整體平臺增強了嵌入式和物聯網設備邊緣應用程序的增長環境。

審核編輯：郭婷