TensorFlow机器学习针对骁龙835和Hexagon 682 DSP进行优...

针对Qualcomm HexagonDSP进行优化的应用程序能够更快地运行，耗电更少。Qualcomm目前正为Google的机器学习架构TensorFlow提供更多支持。目前TensorFlow针对Hexagon682 DSP进行了专门优化，而这项技术集成于我们的顶级处理器骁龙835之中。
TensorFlow是Google的机器学习软件库，并且是开源的，开发者可以免费使用TensorFlow来创建模型，并在其手机和电脑应用程序或云服务中加入人工智能。开发者可采用多种方式充分利用骁龙835的异构核心，其中最佳方式是充分利用DSP。Google已在多款产品中使用TensorFlow机器学习功能，包括GooglePhotos和Google Cloud Speech。
TensorFlow可在处理器内部的处理单元运行。骁龙处理器集成了CPU、GPU和DSP在内的许多其他技术。与CPU或GPU相比，我们的DSP架构在处理某些音频和视频功能时速度更快，耗电更少，因此有必要充分利用其潜力，深挖其优势。下图展示了针对DSP专门优化的应用程序具备的优势。

X

用于GoogleNetInception DNN（深度神经网络）的最佳功率和性能。选择核心来匹配用户体验。（实际性能可能有所差别）?
QualcommTechnologies与Google密切合作之后，TensorFlow将运行在DSP上，让应用程序运行得更快、更高效，而无需使整个系统都工作。
Qualcomm Technologies还通过Qualcomm骁龙神经处理引擎SDK为Tensorflow提供支持。这是一种异构软件框架，让OEM厂商能够在CPU、GPU或DSP等核心上运行Tensorflow模型，为预期的用户体验提供最佳性能和功率分布。
我们做了一个测试，Google创建了一个内置TensorFlow的应用程序，并将其加载到两部完全相同的智能手机上。应用程序