TensorFlow のリリース 4 年目で最も重要なことは何でしょうか? @GDD2019
GDD の 2 日目も開発者の熱意は変わらず、TensorFlow RoadShow は多くの人で埋め尽くされました。 2015 年の TensorFlow の立ち上げから 4 年が経過しました。Google は TensorFlow を中心にエコシステム全体を構築し、そのユーザー ベースはますます幅広くなりました。では、Google の TensorFlow チームは今回、私たちに何をもたらしてくれるでしょうか?
昨日の GDD カンファレンスで、Google は最近の開発と新製品を詳細に展示しました。 GDD の 2 日目は、リリースされて 4 年になる TensorFlow に焦点が当てられました。
今朝早く、Appleは新製品発表会を開催し、3カメラ搭載のiPhone 11シリーズを発表したほか、iPad、Apple Arcade、Apple TV+、iApple Watch Series 5などの新製品も発表した。
Apple が新製品で消費者グループを刺激しているとすれば、海の向こうでは、Google 開発者カンファレンスが今も控えめかつ冷静に開催され、最新の技術進歩を詳細に紹介し、最も実用的な結果をもたらしていることになる。開発者が助けます。
特別に設計された TensorFlow RoadShow には、丸 1 日のスケジュールがあります。それでは、TensorFlow チームは今日の GDD にどのようなハイライトをもたらしたのでしょうか?
TensorFlow: 最も人気のある機械学習フレームワーク
TensorFlow RoadShowでは、アジア太平洋プロダクトマネージャーのLiang Xinping氏がまず登場し、「機械学習の現在と未来」を共有し、TensorFlowの開発概要を述べた。
現在の機械学習の開発には 3 つの重要なポイントがあります。データセット、コンピューティング能力、モデル。Tensorflow は、機械学習のトレンドに従って最も成功した機械学習プラットフォームです。
2015年の発売以来、TensorFlow は常に改善および更新されており、今のところ、以上のものがあります 4,100万ダウンロード数が超過 50,000回提出量、9900回コード変更リクエスト、および 1800人以上貢献者。
TensorFlowはその強力な機能から導入事例が増えており、多くの企業や機関が研究開発に活用しています。さらに、TensorFlow の中国語 Web サイトもオープンし、中国語コミュニティと技術リソースが日々拡大しています。
これらの状況を紹介した後、すぐに TensorFlow の包括的な展示が開始され、彼のチームのエンジニアが TensorFlow の進歩について詳しく説明しました。
ハイライト: TensorFlow 2.0
待望のバージョン 2.0 が 2019 年についにリリースされました。今年 6 月に TensorFlow 2.0 ベータ版がリリースされました。本日の GDD で、エンジニアは TensorFlow 2.0 RC が利用可能になったことを発表しました。バージョン 1.0 と比較して、新しいバージョンは以下を中心に展開します。使いやすさ、高性能、拡張性、3つの側面がアップグレードされました。
最も魅力的な部分は、 ケラス 高レベル API として、デフォルトで最適化されています 熱心な実行 、重複した機能を削除し、統合API 。
TensorFlow 2.0 は、Keras と Eager Execution を使用してモデルを簡単に構築し、あらゆるプラットフォーム上の運用環境で堅牢なモデルのデプロイメントを実現します。
GoogleエンジニアのLiang Yanhui氏は、2.0の具体的な状況を紹介した後、バージョン1.0から2.0へアップグレードする方法についても詳しく紹介した。
Google 内では内部バージョンの移行が開始されており、公式 Web サイトでは詳細なコード移行ガイドとツールも提供されています。ユーザーが特定のバージョン 1.0 API を強く必要としている、または依存している場合は、ガイドに従って簡単にバージョン 2.0 に移行できます。
それでは、TensorFlow 2.0 のどのような具体的な側面が注目に値するのでしょうか? Googleのエンジニアが以下の観点から詳しく紹介しました。
TF.Text: NLP モデルのトレーニング
機械学習の重要な方向性として、自然言語処理には大きな市場需要があります。 TF が正式にリリースされ、アップグレードされました TF.テキスト、TensorFlow 2.0 に強力なテキスト処理機能を提供し、ダイナミック グラフ モードと互換性があります。
TF.Text は、PIP コマンドを使用して簡単にインストールできる TensorFlow 2.0 ライブラリです。テキストベースのモデルで通常の前処理プロセスを実行し、コア TensorFlow コンポーネントでは利用できない言語モデリングの追加機能と操作を提供する機能。
最も一般的な関数はテキストのトークン化。トークン化は、文字列をトークンに分割するプロセスです。これらのトークンは、単語、数字、句読点、またはいくつかの要素の組み合わせです。
Tokenizer for TF.Text テキストを認識するための新しいタイプのテンソル、Ragged Tensor。そして提供された3 つの新しいトークナイザー。これらの中で最も基本的なのはホワイトスペース トークナイザーです。これは、ICU 定義のホワイトスペース文字 (スペース、タブ、改行など) で UTF-8 文字列を分割できます。
TF.Text ライブラリには次のものも含まれています正規化、N-gram、およびラベル付きシーケンス制約およびその他の機能。 TF.Text を使用すると、ユーザーがトレーニングと予測の一貫性を気にする必要がなくなり、前処理スクリプト自体を管理する必要がなくなるなど、多くの利点があります。
TensorFlow Lite: デバイスに機械学習をデプロイする
Google の 2 人の上級ソフトウェア エンジニア、Wang Tiezhen と Liu Renjie が、TensorFlow Lite の機能アップデートと技術的な詳細を紹介しました。
TensorFlow Lite は、携帯電話や組み込みデバイスに機械学習アプリケーションを展開するためのフレームワークです。エンドでの展開を選択する際の主な考慮事項は、次の 3 つの点に反映されています。
1 つ目: 遅延がほとんどなく、安定したタイムリーなユーザー エクスペリエンスを提供できます。
2 つ目: ネットワークに接続する必要がなく、ネットワークが存在しない環境やネットワークが非常に貧弱な環境でも使用できます。
3つ目：プライバシー保護、データはクラウドに送信されず、すべての処理をエンドで実行できます。
これらの利点を考慮して、現在、TensorFlow Lite ベースの端末上に機械学習アプリケーションを展開する大きな市場があり、2.0 ではモデルを展開する機能も強化されました。
たとえば、Xianyu APPのレンタルシーンでは、TensorFlow Lite を使用して画像に自動的にラベルを付けます。レンタル効率の向上。Ecovacs Robots は清掃ロボットに TensorFlow Lite を導入し、自動障害物回避などを実現します。 TensorFlow Lite は、Google フォト、入力メソッド、クラウド アシスタントなどの Google 製品でも広く使用されています。
統計によると、20億以上TensorFlow Lite ベースのアプリケーションがすでにインストールされているモバイル デバイスの数。
ただし、エンドでの機械学習の導入には、クラウドと比較してまだ多くの課題があります。エンド側ではコンピューティング能力とメモリが少なくなるため、オンエンド展開では消費電力を考慮する必要があります。 TensorFlow Lite では、エンドでの機械学習のデプロイを容易にするために、これらの課題に対処するための最適化の改善も行われています。
TensorFlow Lite の最終実装ポートは、Android や iOS だけでなく、組み込みシステム (Raspberry Pi など)、ハードウェア アクセラレータ (Edge TPU など)、およびマイクロコントローラー (MCU) にも展開できます。
現在、画像分類、物体検出、姿勢推定、音声認識、ジェスチャ認識に応用されており、今後BERT、スタイル転送、音声ウェイクアップなどの機能もリリースされる予定だ。
TensorFlow Lite に独自のモデルをデプロイするにはどうすればよいですか? Liu Renjie 氏は、次の 3 つのステップだけを実行する必要があると述べました。TF モデルのトレーニング、TF Lite 形式への変換、およびモデルのエンドサイド デバイスへの展開です。TF 2.0 の統合ライブラリによれば、これは 1 つだけで実現できます。コード呼び出しはほとんどありません。
TensorFlow.js: WeChat ミニ プログラムを作成するためのプラットフォーム
TensorFlow.js は、JavaScript 用にカスタマイズされたディープ ラーニング プラットフォームです。既存のモデルを実行したり、既存のモデルを再トレーニングしたり、新しいモデルをトレーニングしたりできます。
実用性を高めるために、TensorFlow.js は複数のプラットフォームをサポートしています。ブラウザ、無線端末 (WeChat アプレットなど)、サーバー、デスクトップ コンピュータ。複数のプラットフォームで機械学習モデルを実行するだけでなく、GPU アクセラレーションを備え、WebGL を自動的にサポートします。
ライブ デモンストレーションでは、TensorFlow.js に基づく仮想フィッティング プログラムである Modiface が披露されました。このフレームワークを通じて、私たちは最小かつ最速のバーチャルメイク試着アプリ。今後は髪型変換や年齢変化シミュレーション、肌質検出などの機能も実装される予定だという。
さらに、Google エンジニアは、TensorFlow.js が、拡張現実 AR、ジェスチャーおよびボディベースのインタラクション、音声認識、バリアフリー Web サイト、セマンティックなど、Web サイトや無線端末上の多数の機械学習アプリケーション シナリオに適用できることを紹介しました。分析、およびセッション、Web ページの最適化。
現在、TensorFlow.js は画像分類、物体認識、ジェスチャ認識、音声コマンド認識、テキスト分類などの機能をすでにサポートしており、たとえば、リリースされた WeChat アプレット プラグインは、単一の API を使用して豊富な機能を実現できます。
Google と TensorFlow からのさらなる驚きを楽しみにしています
上記の TensorFlow の機能の一部に加え、Tf.distribute、TensorFlow 最適化ツールキット、TensorFlow のエンタープライズ適用事例も紹介します。最後に、Liang Xinping 氏が再びステージに上がり、TensorFlow コミュニティの状況を共有しました。
TensorFlow のコア構造では、以上のものがあります。 2135ビット貢献者。持っている 109ビット世界中で最大 100 名の Google 開発者による機械学習の専門家。 46 TensorFlow ユーザー グループ。彼は、TensorFlow コミュニティに参加する方法についても詳しく説明しています。
TensorFlow RoadShow の終了に伴い、Google Developer Conference もすべてのスケジュールを終了し、無事終了しました。すべてのテクノロジー開発者にとって、このイベントによってもたらされる有益な情報は、Apple の記者会見を見るよりもはるかに直感的であるはずです。
TensorFlow の次の躍進に期待し、Google が AI 分野でさらに強力になることを期待しましょう。来年もGDDでお会いしましょう！
