Command Palette
Search for a command to run...
初のオンラインライブ配信、TF Dev Summit は何を語りましたか?
毎年恒例の TensorFlow Dev Summit が最近開催されましたが、新型コロナウイルスの流行の影響を受け、初めて完全にオンラインで開催されました。
生放送は北京時間 3 月 12 日の午前 0 時 30 分から 8 時まで開催され、機械学習開発者向けのこの毎年恒例のイベントにより、多くの中国人視聴者が夜更かしして生放送を視聴しました。 TF）リリース？
これらの側面のいくつかを取り上げて、その要点を簡単にレビューします。
TensorFlow: 最も人気のある ML フレームワーク
カンファレンスはミーガン・カチョリア氏の基調講演で始まった。
Megan Kacholia は TensorFlow と Google Brain のエンジニアリング ディレクターであり、TensorFlow に重点を置いています。彼女の仕事の方向性は、大規模な分散システムを研究し、パフォーマンスを改善する方法を見つけることです。
基調講演では、例年通り、主要なイベントや観客の利用状況など、昨年のTFの成果についていくつかのプレゼンテーションが行われました。
基調講演パートの焦点は、3 人の大手企業が TensorFlow エコシステムを紹介したことです。
長年にわたる TF の開発により、その関連ツールは、多くの使用可能なライブラリや拡張コンポーネント、さまざまなタスク用のさまざまなアプリケーションを含む強力なエコシステムを徐々に形成してきました。
次に、Manasi Joshi は、TF の AI 倫理基準を紹介し、ジェンダー差別を回避し、AI を使用する際の公平性、説明可能性、プライバシー、セキュリティおよびその他の問題を確保する方法を述べ、これらの問題に対する TF の一連の解決策について詳しく説明しました。
最後に、Kemal El Moujahid 氏は TF コミュニティの状況を紹介し、世界中のコミュニティ メンバーの分布を紹介し、コミュニティによって行われる一連の活動を紹介し、機械学習短期集中コースなどの最新リソースを紹介しました。
新しいバージョンが登場します! TF 2.2が静かにリリースされました
Keynote でよく話題になった TF Ecosystem と比べると、今回発表された最新バージョン TF 2.2 はかなり地味な印象を受けます。
ただし、新しいバージョンとして、TF 2.2 では主に 3 つの側面で調整が加えられています。パフォーマンスの向上、TF エコシステムとの統合、コア ライブラリの安定化です。
このバージョンは現在 Github で入手できます。
https://github.com/tensorflow/tensorflow/releases
主な機能と改善点は次のとおりです。
1) 文字列テンソルのスカラー型を std::string から tensorflow::tstring に置き換え、ABI がより安定しました。
2) CPU/GPU/TPU 用の新しいプロファイラー。入力パイプラインや TF Ops を含む、デバイスとホストのパフォーマンス分析を提供します。可能な限り最適化の提案を提供します。
3) Swig を非推奨にし、SWIG を使用する代わりに pybind11 を使用して C++ 関数を Python にエクスポートします。
NLP における革命?画像処理を追加する
基調講演に続いて、NLP における TensorFlow の進捗状況が共有され、講演者は「TensorFlow と Keras を使用した読み取りの学習」というテーマで講演を行いました。
レポートでは、自然言語処理 (NLP) が変曲点に達しているため、現在の研究は TF と Keras を使用してテキスト モデルの前処理、トレーニング、オーバーチューニングを容易にする方法に焦点を当てていると述べています。
講演者は、子どもたちが物を見て書くことを学ぶ過程を例に挙げ、TFでは画像処理の観点からNLPの性能向上に取り組み始めていると述べた。
実際、バージョン 2.X 以降、TF にはプロプロセッシング レイヤーが導入されており、この改善には次のような特徴があります。
データ変換の実行が容易になり、tf.keras プログラムを置き換え、処理層として機能し、一連のモデルとして機能します。
NLP が新しい画像処理であることを証明するために、講師はまた、画像分野と NLP 分野のプロプロセシング層を比較し、それらの共通点のいくつかを指摘しました。
TF Lite アップグレード: 携帯電話のエクスペリエンスにもっと注意を払う
携帯電話が日常生活においてますます重要になる中、TF は今回、基調講演レポートを使用して TensorFlow Lite に関するいくつかの最新情報を共有しました。
内容には、TF の新しいテクノロジーを通じて、携帯電話、組み込みデバイス、その他の端末に ML をより迅速かつ安全に導入する方法が含まれています。
今回強調された内容には、さまざまなデバイスへの適応、最適なパフォーマンスを実現するための一連のツールキットの開発、オフラインで使用できるエッジパフォーマンスのサポートの追加、プライバシーやその他の機能へのさらなる配慮などが含まれます。
新たに追加された TF lite 拡張ライブラリに関しては、画像および言語 API が追加され、Android Studio 統合が追加され、コード生成およびその他の機能が改善されました。
このレポートでは、Apple のニューラル チップのコア ML エージェントを通じて Apple の端末デバイスの浮動小数点演算速度を高速化できる Core ML Delegation も発表されました。
最後に、他の CPU 最適化手法が登場することも予測しました。たとえば、TensorFlow Lite 2.3 では、パフォーマンスが大幅に向上し、TF 2.2 には新しいモデル コンバータがデフォルトで搭載される予定です。
核兵器: TF クォンタムがリリース
サミットの終わり近くに、Masoud Mohseni 氏が登場し、最近発表された量子モデルをトレーニングするための機械学習ライブラリであるオープンソース TensorFlow Quantum を再度紹介しました。
TFQ は、量子コンピューティングと機械学習の研究を統合して、自然または人工の量子システムを制御およびモデル化するために必要なツールを提供します。
講演では、GoogleがTFQをハイブリッド量子古典畳み込みニューラルネットワーク、量子制御機械学習、量子ニューラルネットワークの階層学習、量子動的学習、混合量子状態の生成モデリング、古典再帰ニューラルネットワークに適用していると指摘した。ニューラルネットワークなど。
このツールは、古典的なリカレント ニューラル ネットワークを通じて量子ニューラル ネットワークなどの用途を学習するためにも使用されます。これは量子コンピューティングの分野に無視できない推進力をもたらすでしょう。
これを使用するには、関連するライブラリと定義を導入し、モデルを定義し、モデルをトレーニングし、最後にモデルを予測に使用します。
これは肝臓に値する生放送です
上記のコンテンツに加えて、TensorFlow dev Summit では他の多くの共有セッションも実施されました。
科学研究での TF の使用、TF Hub の紹介、協調 ML の研究、Google Cloud での TF の使用、AI 使用における公正なプライバシーの議論などが含まれます。
8時間近い生放送を通じて、TensorFlowのあらゆる側面が実証されました。総合的なオンライン生放送という形式は初めて採用されましたが、多くの有益なコンテンツがあり、全員が夜更かしする価値がありました。 。
さらに詳しい情報が必要な場合は、録画を通じてこのイベントを確認できます。
https://space.bilibili.com/64169458
- 以上 -
