Google推出Android ML平台，可减少机器学习App大小

为了让开发者在Android应用程序中，更方便地加入机器学习功能，Google建构了Android机器学习平台，不只提供最新的推理元件更新，同时也对所有装置最佳化推理效能，开发者可以跨Android版本使用一致的机器学习推理API。

装置上机器学习带来许多优点，不只可以获得更低的推理延迟，也能以更好的效率使用电力，装置能够在没有连上网络的情况下，继续使用机器学习功能，但是Google发现，要在装置上部署机器学习模型，开发团队通常会遇到数个常见的问题。

第一个问题是应用程序的大小，由于应用程序受容量限制，因此如果必须要捆绑仅用于机器学习功能的函式库，可能会产生庞大的管理成本，第二个问题则是技术的复杂性，因为装置上与服务器上的机器学习技术存在很大的差异，由于计算环境高度异构，导致效能、稳定性和准确性也都有很大的不同。第三则是装置的支援性，开发人员为了要最大程度覆盖装置，因此倾向使用较旧的API，而这限制最新机器学习技术的使用。

为了解决这些问题，Google推出Android机器学习平台，这是一个可更新且完全整合的机器学习推理堆叠，该平台提供开发者Android装置端最新的推理二元档案，而这将能够降低APK档案的大小。

Google也对所有装置进行效能最佳化，官方提到，他们会最佳化机器学习推理与Android的整合，能根据装置自动作出效能决策，包括在可用时启动硬件加速。同时Android机器学习平台也最大程度降低开发复杂性，其提供跨Android版本一致的API，并且透过Google Play服务提供定期更新，因此更新节奏与Android操作系统发布周期分离。

官方提到，Android机器学习平台在Android装置端内建TensorFlow Lite for Android，也就是说，TensorFlow Lite已经可以在所有配备Google Play服务的装置上使用。如此开发人员就不需要在应用程序中加入Runtime，进而减少应用程序的容量，此外，TensorFlow Lite for Android会使用模型中的元资料，来自动启用硬件加速，使应用程序可以在每台Android装置获得最佳效能。

自动加速是TensorFlowLite for Android的新功能，该功能供开发者考量效能、准确性和稳定性，创建模型许可名单，这份许可名单能在模型执行的时候，决定开启硬件加速与否，而为了要使用许可名单，开发者需要提供额外的元资料来验证正确性。这项功能会在今年稍晚推出。

除了定期更新TensorFlow Lite for Android之外，Google还会更新在操作系统外的Neural Networks API，并且保持各Android版本的API维持相同规范。另外，Google还正与芯片厂合作，在操作系统外，直接向装置提供最新的硬件驱动程式，这使得开发人员可以大幅减少需要测试的装置数量，目前高通是Google的第一个合作伙伴。