Scopri come TensorFlow risolve problemi di machine learning reali e quotidiani

Il team di ingegneria e scienza dei dati di Airbnb applica l'apprendimento automatico utilizzando TensorFlow per classificare le immagini e rilevare oggetti su larga scala, contribuendo a migliorare l'esperienza degli ospiti.

ML aiuta a monitorare i cambiamenti della superficie terrestre per la pianificazione urbana, combattere l'edilizia illegale e mappare i danni e i cambiamenti del paesaggio causati da catastrofi naturali.

Arm NN per Android Neural Networks API (NNAPI) fornisce un Hardware Abstraction Layer (HAL) che prende di mira le GPU Arm Mali e porta a un aumento delle prestazioni di oltre 4 volte superiore ai framework di apprendimento automatico come TensorFlow Lite.

Carousell crea modelli di machine learning con una profonda comprensione dell'immagine e del linguaggio naturale utilizzando TensorFlow su Google Cloud ML. I venditori beneficiano di un'esperienza di pubblicazione semplificata con il riconoscimento delle immagini e gli acquirenti scoprono inserzioni più pertinenti tramite consigli e ricerca di immagini.

I processori CEVA NeuPro e CEVA-XM AI per l'apprendimento profondo e l'inferenza AI all'edge convertono automaticamente le reti addestrate TensorFlow per l'uso in dispositivi embedded in tempo reale utilizzando il compilatore CEVA CDNN.

China Mobile ha creato un sistema di deep learning utilizzando TensorFlow in grado di prevedere automaticamente la finestra temporale di cutover, verificare i registri delle operazioni e rilevare anomalie di rete. Ciò ha già supportato con successo il trasferimento più grande al mondo di centinaia di milioni di numeri IoT HSS.

I progressi nell'intelligenza artificiale e la maturità di TensorFlow hanno consentito alla Coca-Cola Company di ottenere una capacità di prova di acquisto senza attriti a lungo ricercata per il proprio programma fedeltà.

Utilizzando TensorFlow, GE Healthcare sta addestrando una rete neurale per identificare un'anatomia specifica durante gli esami di risonanza magnetica cerebrale (MRI) per migliorare la velocità e l'affidabilità.

Google utilizza TensorFlow per potenziare le implementazioni ML in prodotti come Ricerca, Gmail e Traduttore, per aiutare i ricercatori in nuove scoperte e persino per fare progressi nelle sfide umanitarie e ambientali.

InSpace utilizza TensorFlow.js per rilevare i commenti tossici prima ancora che vengano inviati eseguendo tutte le inferenze lato client nel browser, eliminando la necessità di inviare testo a un server di terze parti per la classificazione.

La partnership di Intel con Google ha portato a un miglioramento delle prestazioni di inferenza fino a 2,8 volte su diversi modelli a vantaggio di un'ampia gamma di clienti che eseguono TensorFlow su piattaforme Intel.

Kakao Mobility utilizza TensorFlow e TensorFlow Serving per prevedere la probabilità che il viaggio venga completato quando i conducenti vengono inviati per soddisfare le richieste di ride-hailing.

La piattaforma Lenovo LiCO accelera la formazione AI e il tradizionale calcolo ad alte prestazioni e ottimizza la formazione di deep learning con l'integrazione e l'ottimizzazione di TensorFlow. LiCO fornisce vari modelli TensorFlow integrati e supporta l'addestramento distribuito ottimizzato di questi modelli.

Il team dell'algoritmo di Liulishuo ha applicato per la prima volta TensorFlow al suo progetto di apprendimento automatico interno all'inizio del 2016. Questo framework di apprendimento automatico di facile utilizzo ha aiutato il team a creare un'applicazione per insegnare l'inglese.

ModiFace sfrutta il modello TensorFlow.js FaceMesh per identificare le caratteristiche principali del viso e combinarle con gli shader WebGL, consentendo agli utenti di provare digitalmente il trucco per i prodotti del marchio L'Oreal preservando la privacy. L'esperienza live viene eseguita interamente nel browser, quindi nessun dato utente viene mai inviato a un server per l'elaborazione.

Utilizzando TensorFlow NAVER Shopping abbina automaticamente oltre 20 milioni di prodotti appena registrati al giorno a circa 5.000 categorie al fine di organizzare i prodotti in modo sistematico e consentire una ricerca più semplice per gli utenti.

NERSC e NVIDIA sono riuscite a scalare un'applicazione di deep learning scientifico a oltre 27.000 GPU Nvidia V100 Tensor Core, infrangendo la barriera ExaFLOP nel processo.

OpenX integra TFX e Google Cloud Platform nel loro scambio di annunci per elaborare più di un milione di richieste al secondo e fornire risposte in meno di 15 millisecondi.

Utilizzando TensorFlow, il deep transfer learning e la modellazione generativa, PayPal è stata in grado di riconoscere schemi di frode complessi che variano temporalmente per aumentare l'accuratezza del declino delle frodi, migliorando al contempo l'esperienza degli utenti legittimi attraverso una maggiore precisione nell'identificazione.

Qualcomm ottimizza e accelera i modelli TensorFlow e TensorFlow Lite su piattaforme mobili Snapdragon e tra portafogli di chipset progettati per IoT, elaborazione, XR e automotive.

La classificazione e la segmentazione della malattia sono state eseguite su immagini OCT retiniche utilizzando TensorFlow. I tre tipi di malattia sono stati classificati come neovascolarizzazione coroidale, verruche vitreali o edema retinico diabetico. Dopo la segmentazione, Sinovation Ventures ha fornito il confine delle lesioni sospette nell'imaging.

Spotify sfrutta le pipeline TFX e Kubeflow nei suoi sistemi Paved Road for ML, un set presunto di prodotti e configurazioni per distribuire una soluzione di machine learning end-to-end destinata ai team che iniziano i loro viaggi ML.

Swisscom sfrutta la capacità di TensorFlow di creare modelli di machine learning profondamente personalizzati per classificare il testo e determinare l'intento dei propri clienti dopo aver ricevuto le loro richieste.

Processor SDK ottimizza i modelli TensorFlow Lite, scaricando l'inferenza CNN/DNN dai core Arm® di calcolo generici ad acceleratori hardware appositamente progettati, il che migliora le capacità di apprendimento automatico nella visione artificiale, nella robotica, negli ADAS automobilistici e in molte altre applicazioni.

Twitter ha utilizzato TensorFlow per creare la propria "timeline classificata", consentendo agli utenti di assicurarsi di non perdere i loro tweet più importanti anche se seguono migliaia di utenti.

VSCO ha utilizzato TensorFlow Lite per sviluppare la funzione "Per questa foto", che utilizza l'apprendimento automatico sul dispositivo per identificare il tipo di foto che qualcuno sta modificando e quindi suggerire preimpostazioni pertinenti da un elenco curato.

WPS Office implementa molteplici scenari aziendali, come il riconoscimento delle immagini sul dispositivo e l'OCR delle immagini basato su TensorFlow.