Pelajari lebih lanjut pengumuman dari I/O Google AI Edge kami

Halaman ini diterjemahkan oleh Cloud Translation API.

Edge AI Google

AI di perangkat untuk aplikasi seluler, web, dan tersemat

Solusi di perangkat dari model hingga pipeline

Percepat deployment ML, optimalkan pipeline, dan akses LLM yang canggih dengan mudah

MediaPipe

Lakukan tugas umum terkait visi, audio, dan bahasa menggunakan pipeline yang disertakan, atau buat sendiri. Menyertakan model untuk banyak kasus penggunaan, dan mendukung berbagai LLM populer.

Pelajari lebih lanjut

TensorFlow Lite

Men-deploy model yang ditulis dalam framework apa pun ke perangkat seluler, web, dan sematan.

Pelajari lebih lanjut

Nano Gemini

Akses model Gemini kami yang paling efisien untuk tugas di perangkat melalui Android AICore. Segera hadir di Chrome.

Pelajari lebih lanjut

Penjelajah Model

Visualisasikan model ML untuk memecahkan masalah dan menemukan target pengoptimalan dengan cepat.

Pelajari lebih lanjut

Stack end-to-end yang menampilkan komponen tingkat tinggi dan rendah

Apa yang baru di I/O?

PyTorch di TFLite

Konversikan model PyTorch dengan mudah ke TensorFlow Lite dengan alat bawaan baru.

Pelajari lebih lanjut

API Generatif Torch

Bawa arsitektur LLM Anda sendiri ke TensorFlow Lite.

Pelajari lebih lanjut

Model yang lebih besar di web

Rilis terbaru kami dari MediaPipe LLM Inference API sekarang mendukung model yang lebih besar di web, hingga Gemma 7B di int8, sesuai kebutuhan hardware.

Pelajari lebih lanjut

LoRA di MediaPipe

Menyesuaikan model LLM menggunakan bobot LoRA untuk meningkatkan akurasi dengan dampak minimal pada jejak model.

Pelajari lebih lanjut

Penjelajah Model

Percepat konversi, kuantisasi, dan proses debug dengan visualisasi model yang canggih.

Pelajari lebih lanjut

MediaPipe

Membuat solusi ML yang inovatif di perangkat dengan mudah

Tugas MediaPipe

API dengan sedikit kode untuk men-deploy model machine learning di perangkat yang siap pakai.

Mulai

Studio MediaPipe

Melihat pratinjau model dan pipeline di perangkat.

Mulai

Pembuat Model MediaPipe

Tingkatkan kualitas model menggunakan data Anda sendiri.

Mulai

Framework MediaPipe

Akses komponen tingkat rendah untuk membangun pipeline ML di perangkat yang cepat dan fleksibel.

Mulai

Menyelesaikan tantangan umum dengan MediaPipe

Vision

Menganalisis berbagai hal dalam gambar dan video.

Natural Language

Memahami makna di balik teks.

Audio

Mendengarkan dan mengenali suara.

Coba demoCoba demonya

TensorFlow Lite

Library multi-framework yang ringan untuk men-deploy model di perangkat seluler, web, dan mikrokontroler.

Pilih Model

Pilih model baru, latih ulang model yang sudah ada, atau model sendiri, dengan dukungan untuk TensorFlow, JAX, dan PyTorch.

Panduan developer

Konversi

Mengonversi model menjadi buffer datar terkompresi.

Panduan developer

Men-deploy

Ambil file .tflite yang dikompresi, muat, lalu jalankan di perangkat.

Panduan developer

Hitung

Meningkatkan kecepatan model dan mengurangi ukuran model.

Panduan developer

AI generatif, yang berjalan di perangkat

API Inferensi LLM MediaPipe

Jalankan LLM sepenuhnya di perangkat dan melakukan berbagai tugas, seperti membuat teks, mengambil informasi dalam bentuk natural language, dan meringkas dokumen. API ini menyediakan dukungan bawaan untuk beberapa model bahasa besar text-to-text, sehingga Anda dapat menerapkan model AI generatif di perangkat terbaru ke aplikasi dan produk Anda. Pelajari lebih lanjut

API Generatif Torch

Buat LLM berperforma tinggi di PyTorch, lalu konversikan agar berjalan di perangkat menggunakan runtime TensorFlow Lite (TFLite). Pelajari lebih lanjut.

Nano Gemini

Akses model Gemini kami yang paling efisien untuk tugas di perangkat melalui Android AICore. Segera hadir di Chrome.

Mengapa men-deploy ML pada perangkat edge?

Latensi

Lewati perjalanan dua arah server untuk pemrosesan media yang mudah, cepat, dan real-time.

Privasi

Lakukan inferensi secara lokal, tanpa data sensitif yang keluar dari perangkat.

Biaya

Gunakan resource komputasi di perangkat dan hemat biaya server.

Ketersediaan offline

Tidak ada koneksi jaringan, tidak masalah.