上周，Google宣佈對外發佈全新的TensorFlow物件辨識API，讓研究人員及開發者，更容易在同一張圖片中辨識及定位多個不同對象，Google稱團隊為此已經努力了相當長的時間。
更輕巧的TensorFlow，將足以應付在行動裝置上運作
前年Google宣佈開源自家的深度學習平台TensorFlow，接著在今年二月的TensorFlow開發者大會上推出「TensorFlow 1.0」。
Google在當時表示，在TensorFlow發表的第一年裡，就協助工程師、藝術家、研究人員取得巨大研究進展，這些研究包括了機器翻譯、早期皮膚癌偵測等，共計應用在多達6,000個開源資源程式庫中；同時，Google也成功將這項技術應用在Nest Cam、圖片蒐尋、街景地圖上。
Google稱投入大量的時間在全新的TensorFlow物件偵測API上，讓開發者跟研究人員更容易辨識單一圖片中多個不同的物件；模型中包括偵測API、卷積神經網絡，特色是可以更容易在像是手機等較不複雜的裝置上運作。
推出輕巧版的TensorFlow之所以重要，在於如果模型是在一般的裝置上運作，每次都必須將資料轉移到雲端，過程不僅麻煩、導致延遲，還需要一個功能齊全的網路連結，方便數據傳輸，而這並不是一個有效率的方法。因此Google所釋出的新版本，將會更輕巧、足以在行動裝置上運作。外媒《The Tech Portal》評論，雖然在行動裝置上仍不能發揮100%實力，但功能已經足以應付基礎使用，而且不需要網路連結。
Facebook、蘋果也曾投入努力
TensorFlow物件偵測API可以訓練的檢測模型包括MobileNet、卷積神經網絡等，這些模型可以應付物件偵測、及地標辨識，且可以在雲端進行訓練。
Google、Facebook、蘋果都曾投入不同努力，去年秋天，Facebook宣布推出專為手機設計的機器學習框架Caffe2Go，也被用於Facebook的風格特效相機；今年在Google I/O亮相的TensorFlow Lite自家精簡版的機器學習框架；剛落幕的WWDC 2017蘋果推出了Core ML，試圖降低在iOS裝置上運行機器學習的困難度。
TensorFlow物件偵測API可以在這裡找到，Google重新設計得更加操作簡單，整個工具包搭配一個Jupyter筆記本及基於Google雲端的評價體系。
