简介
Mobile-deep-learning(MDL)
Caffe2是一个轻量级、模块化、可扩展的深度学习框架,它为移动端实时计算做了很多优化,并支持大规模的分布式计算。
AI 在智能手机上有哪些应用场景呢,对于不同的开发者来说,如何确定自家的应用是否需要 AI ?如果需要,如何引入?
很多年以后,当我们回望 2017 年,会意识到对于移动互联网的发展来说,这一年是一个重要的里程碑。芯片制造商、移动操作系统提供商、深度学习框架社区以及移动应用开发者都开始转向 On Device AI,同时,这个趋势同样惠及于 IoT 产业的 Edge 端设备。本文就从这几个方面来解读一下这个趋势。
随着iOS 11的发布,苹果公司也正是加入到了机器学习的战场。在新的iOS 11中,苹果内置了CoreML机器学习框架,并完全支持iOS、watchOS、macOS和tvOS。苹果希望开发者使用这些框架来整合机器学习到他们的应用程序中,而不用去考虑框架是如何工作的。苹果还表示,开发者不必一定是机器学习工作者,相反,开发者只需要将训练好的模型使用其提供的工具转化为所支持的文件格式即可,不必考虑机器学习算法,只需要专注于应用程序的用户体验。
推送通知是我们的应用程序与我们的用户进行互动的一种重要方式。通过远程推送通知的方式,可以让用户及时的知道一些感兴趣的事情或者重要的事情。也许用户是一个热衷于运动排名的用户,他们希望当排名发生了变化的时候,以通知他们;也许是一个热衷于网购的用户,他们希望及时的获知一些商品促销的活动,等等类似的场景,都非常适合以推送通知的方式来和用户进行交互。
机器学习(ML),自然语言处理(NLP),信息检索(IR)等领域,评估(Evaluation)是一个必要的工作,而其评价指标往往有如下几点:准确率(Accuracy),精确率(Precision),召回率(Recall)和F1-Measure。