TensorFlow는 이제 4년차가 되었습니다. 가장 중요한 것은 무엇인가? @GDD 2019

GDD 둘째 날에도 개발자들은 여전히 열정적이었고 TensorFlow RoadShow는 사람들로 북적였습니다. TensorFlow가 2015년에 출시된 이후 4년이 지났습니다. Google은 TensorFlow를 중심으로 전체 생태계를 구축했으며, 사용자 기반이 확대되고 있습니다. 그렇다면 이번에 구글의 텐서플로우 팀은 무엇을 가져왔을까요?

어제 GDD 컨퍼런스에서 Google은 최근 개발 사항과 신제품에 대한 자세한 프레젠테이션을 진행했습니다. GDD 둘째 날은 4년 전에 출시된 TensorFlow에 초점을 맞췄습니다.

오늘 이른 아침, 애플은 새로운 제품 출시 컨퍼런스를 열고 트리플 카메라 아이폰 11 시리즈를 출시했습니다. 이외에도 iPad, Apple Arcade, Apple TV+, iApple Watch Series 5 등의 신제품도 출시됐습니다.

애플이 새로운 제품으로 소비자 그룹을 자극하고 있다면, 바다 건너편에서는 구글 개발자 컨퍼런스가 조용하고 꾸준한 방식으로 진행되어 최신 기술 발전을 자세히 소개하고 개발자에게 가장 실용적인 도움을 제공하고 있습니다.

특별한 TensorFlow RoadShow가 하루 종일 일정을 채웠습니다. 그렇다면 TensorFlow 팀은 오늘 GDD에 어떤 주요 내용을 가져왔을까요?

TensorFlow: 가장 인기 있는 머신 러닝 프레임워크

TensorFlow 로드쇼에서 아시아 태평양 제품 매니저인 량신핑이 가장 먼저 등장하여 "머신 러닝의 현재와 미래"를 공유하고 TensorFlow의 개발을 설명했습니다.

현재 머신 러닝 개발에는 세 가지 핵심 사항이 있습니다.데이터 세트, 컴퓨팅 성능, 모델.텐서플로우는 머신러닝 추세에 맞춰 가장 성공적인 머신러닝 플랫폼입니다.

2015년 출시 이후,TensorFlow는 지속적으로 개선되고 업데이트되었습니다.현재까지는 100개 이상이 있습니다. 4천1백만다운로드, 이상 5만 번제출량,9900회코드 변경 요청 및 1,800개 이상기여자.

TensorFlow는 강력한 기능을 갖추고 있어 실제 활용 사례가 점차 늘어나고 있으며, 많은 기업과 기관에서 연구 개발에 활용하고 있습니다. 또한, TensorFlow 중국어 웹사이트도 출시되었으며, 중국 커뮤니티와 기술 리소스는 날로 확장되고 있습니다.

이러한 상황을 소개한 후, TensorFlow의 포괄적인 디스플레이가 즉시 시작되었으며, 해당 팀의 엔지니어는 TensorFlow의 진행 상황에 대해 자세히 소개했습니다.

핵심 포인트: TensorFlow 2.0 

오랫동안 기대했던 2.0 버전이 마침내 2019년에 출시되었습니다. 올해 6월에는 TensorFlow 2.0 베타 버전이 출시되었습니다. 오늘의 GDD에서 엔지니어들은 TensorFlow 2.0 RC가 출시되었다고 발표했습니다. 버전 1.0과 비교했을 때 새로운 버전은 다음을 중심으로 구성됩니다.사용 편의성, 고성능, 확장성.세 가지 측면이 업그레이드되었습니다.

가장 매력적인 점은 다음과 같은 사용입니다. 케라스  상위 수준 API로서 기본값을 최적화합니다. 열성적인 실행 중복 기능을 제거하고 제공합니다.통합 API  .

TensorFlow 2.0은 Keras와 Eager Execution을 사용하므로 모든 플랫폼의 프로덕션 환경에서 모델을 쉽게 구축하고 강력한 모델을 배포할 수 있습니다.

구글 엔지니어 량옌후이는 2.0 버전에 대한 세부 정보를 소개한 후, 1.0 버전에서 2.0 버전으로 업그레이드하는 방법에 대한 자세한 소개도 제공했습니다.

Google 내부에서는 이미 내부 버전 마이그레이션이 시작되었으며, 공식 웹사이트에서도 자세한 코드 마이그레이션 가이드와 도구를 제공합니다. 사용자가 API 1.0 버전을 실제로 필요로 하거나 의존하는 경우 가이드에 따르면 쉽게 2.0 버전으로 마이그레이션할 수 있습니다.

그렇다면 TensorFlow 2.0의 어떤 측면에 주목해야 할까요? 구글 엔지니어들은 다음과 같은 관점에서 자세한 소개를 했습니다.

TF.Text: NLP 모델 학습 

자연어 처리는 머신러닝의 중요한 방향으로서 시장 수요가 엄청납니다. TF 공식 출시 및 업그레이드 TF.텍스트,TensorFlow 2.0에 강력한 텍스트 처리 기능을 제공하며 동적 그래프 모드와 호환됩니다.

TF.Text는 PIP 명령을 사용하여 쉽게 설치할 수 있는 TensorFlow 2.0 라이브러리입니다. 텍스트 기반 모델에서 전처리 루틴을 수행할 수 있으며 TensorFlow 핵심 구성 요소에서 사용할 수 없는 언어 모델링을 위한 더 많은 기능과 작업을 제공합니다.

가장 흔한 기능은 다음과 같습니다.텍스트 토큰화. 토큰화는 문자열을 토큰으로 나누는 과정입니다. 이러한 토큰은 단어, 숫자, 구두점 또는 이러한 요소의 조합일 수 있습니다.

TF.Text의 토크나이저 텍스트를 인식하기 위한 새로운 유형의 텐서인 래기드 텐서. 그리고 제공합니다새로운 토크나이저 3명.이 중 가장 기본적인 것은 Whitespace Tokenizer로, ICU에서 정의한 공백 문자(공백, 탭, 줄 바꿈 등)를 기준으로 UTF-8 문자열을 분할합니다.

TF.Text 라이브러리에는 다음도 포함됩니다.정규화, n-그램 및 토큰 시퀀스 제약그리고 다른 기능도 있습니다. TF.Text를 사용하면 사용자가 학습과 예측의 일관성에 대해 걱정할 필요가 없고, 전처리 스크립트를 직접 관리할 필요가 없다는 등 많은 이점이 있습니다.

TensorFlow Lite: 엣지에 머신 러닝 배포

Google의 두 수석 소프트웨어 엔지니어인 Wang Tiezhen과 Liu Renjie가 TensorFlow Lite의 기능 업데이트와 기술적 세부 사항을 소개했습니다.

TensorFlow Lite는 모바일 폰과 임베디드 장치에 머신 러닝 애플리케이션을 배포하기 위한 프레임워크입니다.클라이언트에 배포하기로 선택한 주요 이유는 다음 세 가지에 반영되어 있습니다.

첫째, 지연이 거의 없어 안정적이고 시기적절한 사용자 경험을 제공할 수 있습니다.

둘째: 인터넷에 연결할 필요가 없으며 인터넷이 없거나 인터넷 환경이 매우 열악한 환경에서도 사용할 수 있습니다.

셋째: 개인정보 보호, 데이터는 클라우드로 전송되지 않으며, 모든 처리가 단말기에서 이루어집니다.

이러한 장점 덕분에 TensorFlow Lite를 기반으로 터미널에 머신 러닝을 배포하는 애플리케이션에 대한 시장이 이미 크게 형성되어 있으며, 2.0에서는 모델을 배포하는 기능도 향상되었습니다.

예를 들어, Xianyu APP는 렌탈 시나리오에서 사용됩니다.TensorFlow Lite를 사용하여 이미지에 자동으로 레이블을 지정합니다.주택 임대 효율성이 향상되었습니다. Ecovacs Robotics는 청소 로봇에 TensorFlow Lite를 도입하여 장애물 자동 회피 등을 구현했습니다. TensorFlow Lite는 Google Photos, Input Method, Cloud Assistant 등 Google 제품에서도 널리 사용됩니다.

통계에 따르면,20억 이상TensorFlow Lite 기반 애플리케이션이 설치된 모바일 장치.

그러나 클라이언트에 머신 러닝을 구축하는 데는 여전히 많은 과제가 있습니다. 예를 들어, 클라우드와 비교해보면,터미널은 컴퓨팅 성능과 메모리가 부족하며, 터미널에 배포할 때는 전력 소비를 고려해야 합니다. TensorFlow Lite는 머신 러닝을 터미널에 더 쉽게 배포할 수 있도록 이러한 과제를 해결하기 위한 최적화와 개선도 실시했습니다.

TensorFlow Lite의 최종 구현 포트는 Android 및 iOS에만 배포할 수 있는 것이 아니라 임베디드 시스템(예: Raspberry Pi), 하드웨어 가속기(예: Edge TPU), 마이크로컨트롤러(MCU)에도 적합합니다.

현재는 이미지 분류, 객체 탐지, 자세 추정, 음성 인식, 제스처 인식 등에 적용되고 있으며, 추후 BERT, 스타일 전송, 음성 웨이크업 등의 기능이 출시될 예정입니다.

TensorFlow Lite에서 자신의 모델을 배포하는 방법은 무엇인가요? 류 런지에(Liu Renjie)는 이 작업이 TF 모델 학습, TF Lite 포맷으로 변환, 모델을 최종 장치에 배포하는 세 단계만 거치면 된다고 소개했습니다. TF 2.0 통합 라이브러리에 따르면, 몇 번의 코드 호출만으로 이를 달성할 수 있습니다.

TensorFlow.js: WeChat 애플릿을 만드는 플랫폼

TensorFlow.js는 JavaScript에 맞게 맞춤화된 딥 러닝 플랫폼입니다.기존 모델을 실행하고, 기존 모델을 재교육하고, 새로운 모델을 교육할 수 있습니다.

실용성을 높이기 위해,TensorFlow.js는 여러 플랫폼을 지원합니다.브라우저, 무선 단말기(예: WeChat 애플릿), 서버, 데스크톱 컴퓨터. 여러 플랫폼에서 머신 러닝 모델을 실행할 수 있을 뿐만 아니라, 모델을 훈련하고, GPU 가속을 활용하고, WebGL을 자동으로 지원할 수도 있습니다.

라이브 데모에서는 TensorFlow.js를 기반으로 한 가상 피팅 프로그램인 Modiface를 선보였습니다. 이 프레임워크를 통해 우리는 다음을 만들었습니다.가장 작고 빠른 가상 메이크업 체험 앱.미래에는 헤어스타일 변환, 연령 변환 시뮬레이션, 피부 질 감지 등의 기능이 실현될 것으로 알려졌습니다.

또한, Google 엔지니어는 TensorFlow.js가 웹사이트와 무선 단말기에 적용 가능하며, 증강 현실 AR, 제스처 및 신체 기반 상호작용, 음성 인식, 장애인 웹사이트, 의미 분석, 지능형 대화, 웹 페이지 최적화 등 다양한 머신 러닝 응용 시나리오를 제공한다고 소개했습니다.

현재 TensorFlow.js는 이미 이미지 분류, 객체 인식, 자세 인식, 음성 명령 인식, 텍스트 분류와 같은 기능을 지원하고 있습니다. 예를 들어, 출시된 WeChat 애플릿 플러그인은 하나의 API를 사용하여 풍부한 기능을 구현할 수 있습니다.

  Google과 TensorFlow에서 더 많은 놀라움을 기대하세요

위에서 언급한 TensorFlow 함수 외에도 TensorFlow 최적화 툴킷인 Tf.distribute와 TensorFlow의 몇 가지 엔터프라이즈 애플리케이션 사례도 소개합니다. 마지막으로, 량신핑이 다시 무대에 올라 TensorFlow 커뮤니티의 상황을 공유했습니다.

TensorFlow의 핵심 구조에는 다음이 포함됩니다. 2135기여자. 가지다 109머신 러닝 분야의 Google 개발자 전문가 이상 46 TensorFlow 사용자 그룹. 그는 또한 TensorFlow 커뮤니티에 가입하는 방법에 대해서도 자세히 설명합니다.

TensorFlow RoadShow가 종료됨에 따라 Google Developer Conference도 모든 일정을 종료하고 성공적으로 마무리되었습니다. 모든 기술 개발자에게 이 행사에서 제공되는 귀중한 정보는 Apple의 기자 회견을 시청하는 것보다 훨씬 더 직관적일 것입니다.

TensorFlow의 다음 획기적인 발전을 기대하며, Google이 AI 분야에서 더욱 강해지기를 바랍니다. 내년 GDD에서 다시 만나요!