Dowiedz się, jak TensorFlow rozwiązuje rzeczywiste, codzienne problemy z uczeniem maszynowym

Zespół inżynierów i analityki danych Airbnb stosuje uczenie maszynowe za pomocą TensorFlow do klasyfikowania obrazów i wykrywania obiektów na dużą skalę, pomagając poprawić wrażenia gości.

ML pomaga w monitorowaniu zmian na powierzchni Ziemi na potrzeby planowania urbanistycznego, zwalczaniu nielegalnej budowy oraz mapowaniu szkód i zmian krajobrazu spowodowanych katastrofami naturalnymi.

Interfejs API ARM NN dla Android Neural Networks (NNAPI) zapewnia warstwę abstrakcji sprzętu (HAL), która jest przeznaczona dla procesorów graficznych Arm Mali i prowadzi do ponad czterokrotnego wzrostu wydajności platform uczenia maszynowego, takich jak TensorFlow Lite.

Carousell tworzy modele uczenia maszynowego z głębokim obrazem i rozumieniem języka naturalnego za pomocą TensorFlow w Google Cloud ML. Sprzedawcy korzystają z uproszczonego sposobu publikowania dzięki rozpoznawaniu obrazów, a kupujący odkrywają trafniejsze aukcje dzięki rekomendacjom i wyszukiwaniu obrazów.

Procesory CEVA NeuPro i CEVA-XM AI do głębokiego uczenia i wnioskowania AI na brzegu automatycznie konwertują wytrenowane sieci TensorFlow do użytku w urządzeniach osadzonych w czasie rzeczywistym za pomocą kompilatora CEVA CDNN.

Firma China Mobile stworzyła system głębokiego uczenia przy użyciu TensorFlow, który może automatycznie przewidywać przedział czasu, weryfikować dzienniki operacji i wykrywać anomalie sieciowe. To już z powodzeniem wsparło największą na świecie relokację setek milionów numerów IoT HSS.

Postępy w sztucznej inteligencji i dojrzałość TensorFlow umożliwiły firmie Coca-Cola uzyskanie od dawna poszukiwanej, bezproblemowej możliwości dowodu zakupu dla programu lojalnościowego.

Korzystając z TensorFlow, firma GE Healthcare szkoli sieć neuronową w celu identyfikacji określonej anatomii podczas badań rezonansu magnetycznego mózgu (MRI), aby poprawić szybkość i niezawodność.

Google wykorzystuje TensorFlow do obsługi implementacji ML w produktach takich jak Search, Gmail i Translate, aby pomagać naukowcom w nowych odkryciach, a nawet tworzyć postępy w zakresie wyzwań humanitarnych i środowiskowych.

InSpace używa TensorFlow.js do wykrywania toksycznych komentarzy przed ich wysłaniem, wykonując wszystkie wnioskowania po stronie klienta w przeglądarce, eliminując potrzebę wysyłania tekstu do serwera innej firmy w celu klasyfikacji.

Współpraca Intela z Google zaowocowała nawet 2,8-krotnym wzrostem wydajności wnioskowania w różnych modelach, z korzyścią dla szerokiego grona klientów korzystających z TensorFlow na platformach Intel.

Kakao Mobility wykorzystuje TensorFlow i TensorFlow Serving do przewidywania prawdopodobieństwa ukończenia przejazdu, gdy kierowcy są wysyłani w celu spełnienia żądań wezwania przejazdu.

Platforma Lenovo LiCO przyspiesza szkolenie AI i tradycyjne obliczenia o wysokiej wydajności oraz optymalizuje szkolenie głębokiego uczenia się dzięki integracji i optymalizacji TensorFlow. LiCO zapewnia różne wbudowane modele TensorFlow i obsługuje zoptymalizowane szkolenie rozproszone tych modeli.

Zespół algorytmów Liulishuo po raz pierwszy zastosował TensorFlow w swoim wewnętrznym projekcie uczenia maszynowego na początku 2016 roku. Ta łatwa w użyciu platforma uczenia maszynowego pomogła zespołowi zbudować aplikację do nauczania języka angielskiego.

ModiFace wykorzystuje model FaceMesh TensorFlow.js do identyfikacji kluczowych cech twarzy i łączenia ich z shaderami WebGL, umożliwiając użytkownikom cyfrowe przymierzanie makijażu dla produktów marki L'Oreal przy jednoczesnym zachowaniu prywatności. Środowisko na żywo działa w całości w przeglądarce, więc żadne dane użytkownika nie są nigdy wysyłane na serwer w celu przetworzenia.

Korzystanie z TensorFlow NAVER Shopping automatycznie dopasowuje ponad 20 milionów nowo zarejestrowanych produktów dziennie do około 5000 kategorii w celu systematycznego organizowania produktów i łatwiejszego wyszukiwania użytkowników.

Firmom NERSC i NVIDIA udało się przeskalować aplikację naukowego głębokiego uczenia się do ponad 27 000 procesorów graficznych Nvidia V100 Tensor Core, przełamując w tym procesie barierę ExaFLOP.

OpenX integruje TFX i Google Cloud Platform w swojej giełdzie reklam, aby przetwarzać ponad milion żądań na sekundę i dostarczać odpowiedzi w czasie poniżej 15 milisekund.

Korzystając z TensorFlow, głębokiego uczenia się transferów i modelowania generatywnego, firma PayPal była w stanie rozpoznać złożone, czasowo zmieniające się wzorce oszustw, aby zwiększyć dokładność odrzucania oszustw, jednocześnie poprawiając wrażenia legalnych użytkowników dzięki większej precyzji identyfikacji.

Qualcomm optymalizuje i przyspiesza modele TensorFlow i TensorFlow Lite na platformach mobilnych Snapdragon oraz w różnych portfolio chipsetów zaprojektowanych z myślą o IoT, obliczeniach, XR i motoryzacji.

Klasyfikację i segmentację choroby przeprowadzono na obrazach OCT siatkówki przy użyciu TensorFlow. Trzy typy chorób zostały sklasyfikowane jako neowaskularyzacja naczyniówki, brodawki ciała szklistego lub cukrzycowy obrzęk siatkówki. Po segmentacji Sinovation Ventures zapewnił granicę podejrzanych zmian w obrazowaniu.

Spotify wykorzystuje potoki TFX i Kubeflow w swoich systemach Paved Road for ML, ugruntowanym zestawie produktów i konfiguracji, aby wdrożyć kompleksowe rozwiązanie do uczenia maszynowego skierowane do zespołów rozpoczynających przygodę z ML.

Swisscom wykorzystuje możliwości TensorFlow w zakresie głęboko dostosowanych modeli uczenia maszynowego do klasyfikowania tekstu i określania intencji swoich klientów po otrzymaniu ich zapytania.

Processor SDK optymalizuje modele TensorFlow Lite, odciążając wnioskowanie CNN/DNN z ogólnych rdzeni obliczeniowych Arm® do specjalnie zaprojektowanych akceleratorów sprzętowych, co zwiększa możliwości uczenia maszynowego w systemach wizyjnych, robotyce, motoryzacyjnym ADAS i wielu innych aplikacjach.

Twitter wykorzystał TensorFlow do zbudowania „Ranked Timeline”, dzięki czemu użytkownicy mają pewność, że nie przegapią najważniejszych tweetów, nawet jeśli śledzą tysiące użytkowników.

Firma VSCO wykorzystała TensorFlow Lite do opracowania funkcji „Do tego zdjęcia”, która wykorzystuje uczenie maszynowe na urządzeniu, aby zidentyfikować rodzaj edytowanego zdjęcia, a następnie zasugerować odpowiednie ustawienia wstępne z wyselekcjonowanej listy.

WPS Office wdraża wiele scenariuszy biznesowych, takich jak rozpoznawanie obrazu na urządzeniu i OCR obrazu w oparciu o TensorFlow.