Intel 開源 Coach，用于訓練和評估增強學習 Agent

2017 年 10 月，英特爾開源增強學習框架 Coach。該框架利用多核 CPU 處理能力，用于訓練和評估增強學習 Agent。

Coach 包含許多 Agent 類型的實現，包括從單線程實現到多線程實現的無縫轉換。Agent 以模塊化方式實現，以允許重用不同的構建塊來構建新的和更復雜的代理。此外，Coach 可以在單個任務的基礎上編寫新的 Agent，并切換到同步或異步的多任務實現，并進行最少的更改。

它的主要特點如下：

包含一些領先的增強學習算法的多線程實現，適用于各種游戲和機器人環境。它能夠在臺式計算機上高效地訓練強化學習 Agent，而無需任何額外的硬件。

可與如 OpenAI Gym、Roboschool 和 ViZDoom 等頂級環境進行集成，同時還提供了可視化培訓過程和了解 Agent 的基本機制的各種技術，所有的算法都是使用英特爾優化的 TensorFlow 來實現的，也可以通過 Intel 的 neon框架來實現。

GitHub 地址：https://github.com/NervanaSystems/coach

針對移動終端，Facebook Caffe2 VS 谷歌 TensorFlow Lite

2017 年 4 月，Facebook 開源深度學習框架 Caffe2。根據官網介紹，它最大的特點就是輕量、模塊化和擴展性好。Caffe2 可以方便地為手機等移動終端設備帶來 AI 加持，讓 AI 從云端走向終端。

據 Caffe2 官方博客表示：

長期以來，提起 AI 模型的訓練和部署，人們通常都會聯想到大數據中心或超級計算機。之所以會出現這種現象，是因為小型計算設備在大規模圖像、視頻、文本和語音處理上具有明顯的短板，無論在速度還是可靠性上都遠遠不及大型數據中心。

因此在移動設備上部署 AI 模型，使其能夠快速準確地處理相關分析任務，一直是一項有待解決的難題。要解決這個難題，讓 AI 終端化，除了有賴于移動硬件平臺的發展之外，在軟件框架層面也需要一個靈活輕便的框架支持。

而 Caffe2 正是這樣一個框架。它是在此前流行的開源框架 Caffe 基礎上的重構和升級，一方面集成了諸多新出現的算法和模型，另一方面在保證運算性能和可擴展性的基礎上重點加強了框架在輕量級硬件平臺的部署能力。

GitHub 地址：https://github.com/caffe2/caffe2

2017 年 11 月，谷歌發布 TensorFlow Lite 預覽版，與 Caffe2 類似，這款框架針對移動和嵌入式設備等。TensorFlow Lite 是一種全新的設計，具備如下三點特性：

輕量級（Lightweight）：支持機器學習模型的推理在較小二進制數下進行，能快速初始化/啟動。

跨平臺（Cross-platform）：可以在許多不同的平臺上運行，現在支持 Android 和 iOS。

快速（Fast）：針對移動設備進行了優化，包括大大減少了模型加載時間、支持硬件加速。

TensorFlow Lite 支持 Android 神經網絡 API（Android Neural Networks API），當加速器（硬件設備）不可用時，TensorFlow Lite 會返回到 CPU 來執行，它目前支持很多針對移動端訓練和優化好的模型，如 MobileNet，Inception v3，Smart Reply。

開發人員也表示，TensorFlow Lite 應該被看作是 TensorFlow Mobile 的升級，它的功能有很多，目前仍處于緊鑼密鼓的開發階段。