Как многие из вас знают, недавно мы провели конференцию Google I/O – главное событие Google для разработчиков. В этом году конференция впервые проходила полностью в онлайн формате и пусть нам и не удалось провести конференцию в стандартном формате, мы надеемся, что смогли сделать ее доступной для всех желающих. На конференции было анонсировано много интересного для разработчиков практически всех направлений. В этой статье мы хотели бы сделать обзор новинок и обновлений в различных семействах продуктов в области машинного обучения и того, что представила команда TensorFlow. В конце статьи вы найдет список всех материалов.
Если вы еще не смотрели вступительный доклад от команды TensorFlow, то рекомендуем сделать это. Видео представлено ниже. Записи всех выступлений размещены на официальном канале TensorFlow на YouTube.
TensorFlow для мобильных устройств и веб-приложений
Среда выполнения TensorFlow Lite будет поставляться вместе с сервисами Google Play
Среда выполнения TensorFlow Lite войдет в набор сервисов Google Play. Вам больше не нужно поставлять ее в комплекте со своим приложением, что значительно сокращает размер приложений. Теперь распространять модели можно, не беспокоясь о среде выполнения. Зарегистрироваться в программе раннего доступа вы можете уже сейчас, а полномасштабное обновление произойдет до конца года.
Теперь модели TensorFlow Lite можно запускать в веб-интерфейсе
Запускайте модели TensorFlow Lite прямо в браузере, пользуясь новыми API TFLite для веб-приложений. Эти API совместимы с фреймворком TensorFlow.js и поддерживают все модели из библиотеки задач TFLite, предназначенные для классификации и сегментации изображений, распознавания объектов, а также различных задач обработки естественного языка. Новые интуитивно понятные и удобные API, совместимые с TensorFlow.js, также позволяют запускать пользовательские модели TFLite. В результате вы можете разрабатывать модели машинного обучения для сайтов и мобильных устройств, используя один стек технологий.
Новый сайт о машинном обучении на устройствах
Не всегда очевидно, как эффективнее разработать приложение для браузера, Android и iOS. Поэтому мы создали новый сайт о машинном обучении на устройствах. Он поможет вам определиться с выбором: использовать готовое решение или разработать собственную модель? Создать межплатформенное мобильное или браузерное приложение? На сайте вы узнаете обо всех этапах на пути от идеи к работающему приложению.
Профилирование производительности
Мы работаем над дополнительными инструментами, позволяющими разработчикам Android отслеживать производительность приложений. В TensorFlow Lite есть встроенная поддержка Systrace и удобная интеграция с Perfetto для Android 10.
Обновления, связанные с анализом производительности, касаются не только Android. Для разработчиков iOS в TensorFlow Lite теперь есть встроенная поддержка профилирования на базе технологии signpost. Если вы используете трассировку, разрабатывая приложение, то можете запустить профилировщик Xcode и посмотреть события signpost, чтобы подробно изучить работу приложения вплоть до отдельных операций.
TFX
TFX 1.0: создание моделей машинного обучения для корпоративного использования
Чтобы превратить прототип модели машинного обучения в рабочую версию, требуется развитая инфраструктура. Нам нужен был надежный фреймворк для продуктов и сервисов машинного обучения. Поэтому мы создали платформу TFX, а затем открыли доступ к ее исходному коду, чтобы возможностями платформы могли пользоваться все желающие. TFX поддерживает обучение моделей для мобильных, серверных и веб-приложений.
Мы успешно провели совместно с партнерами бета-тестирование и теперь представляем TFX 1.0 – версию, позволяющую приспосабливать модели машинного обучения для корпоративного использования. У фреймворка TFX есть все преимущества, необходимые предприятиям, в том числе поддержка корпоративного уровня, обновления системы безопасности, исправления ошибок и гарантированная обратная совместимость со всеми выпусками 1.X. TFX поддерживает работу в Google Cloud и позволяет создавать решения по обработке естественного языка, а также мобильные и веб-приложения.
Если вы хотите использовать модели машинного обучения в производственных целях, TFX ждет вас. Подробную информацию вы найдете на сайте платформы.
Responsible AI
Мы представляем несколько новых инструментов, позволяющих интегрировать фреймворк Responsible AI в разработку любого решения машинного обучения.
Know Your Data
С помощью инструмента Know Your Data исследователи и команды разработчиков в сфере машинного обучения могут анализировать большие наборы визуальных и текстовых данных, чтобы улучшать модель и сами данные, выявлять и устранять проблемы достоверности и систематические ошибки. По ссылке вы найдете интерактивную демоверсию инструмента.
People + AI Guidebook 2.0
Создавая решения в сфере искусственного интеллекта, важно не забывать, что они предназначены для людей. Поэтому мы выпустили версию 2.0 руководства People + AI Guidebook. Новая версия поможет на практике применить рекомендации по созданию ИИ, ориентированного на человека. В руководстве вы найдете множество новых ресурсов, включая код, шаблоны проектирования и многое другое.
Познакомьтесь также с набором инструментов Responsible AI, чтобы без труда применять на практике ответственный подход к ИИ, используя платформу TensorFlow.
Леса принятия решений в Keras
Поддержка случайных лесов и деревьев градиентного бустинга
Машинное обучение – это не только нейронные сети. Начиная с TensorFlow 2.5, вы можете с помощью привычных API библиотеки Keras обучать мощные модели, основанные на алгоритме леса принятия решений, в том числе на таких популярных его вариантах, как случайный лес и деревья градиентного бустинга. В новой версии поддерживается множество передовых алгоритмов обучения, интерпретации и обеспечения работы моделей, предназначенных для регрессии, классификации и ранжирования данных. Система TF Serving обеспечит работу леса принятия решений и любой другой модели, обученной с помощью TensorFlow. Изучите наши руководства и посмотрите видеозапись доклада.
TensorFlow Lite для микроконтроллеров
Новая плата с предустановленным ПО, эксперименты и конкурс
Платформа TensorFlow Lite для микроконтроллеров позволяет запускать модели машинного обучения на микроконтроллерах и других устройствах, где память ограничена несколькими килобайтами. Теперь можно купить плату Arduino с предустановленным ПО и подключиться к ней, используя Bluetooth и браузер. Попробуйте провести на такой плате эксперименты от Google, где предлагается настроить распознавание жестов. Вы также можете создать собственный классификатор или запустить свою модель TensorFlow. Мы организовали конкурс проектов с использованием TensorFlow Lite для микроконтроллеров. Подробные сведения можно узнать здесь. Не забудьте посмотреть видеозапись семинара по TinyML.
Google Cloud
Vertex AI: новая управляемая платформа машинного обучения в Google Cloud
Модель машинного обучения полезна, только если она работает. А вы знаете, как сложно бывает создать эффективное готовое решение в нужном масштабе. Поэтому Google Cloud выпускает Vertex AI – новую управляемую платформу машинного обучения, которая помогает быстрее проводить эксперименты и развертывать модели искусственного интеллекта. В интерфейсе Vertex AI есть инструменты для всех этапов разработки. Платформу можно использовать для разметки данных, работы с блокнотами и моделями, прогнозирования и непрерывного мониторинга. От аналогичных предложений платформу Vertex AI отличают новые функции в области MLOps, такие как Vertex Pipelines и Vertex Feature Store. Они упрощают поддержку и обеспечивают воспроизводимость моделей самообслуживания.
TensorFlow Cloud: от локального построения модели к распределенному обучению в облаке
Библиотека TensorFlow Cloud содержит API, которые помогут без труда перейти от локального построения и отладки модели к распределенному обучению и настройке гиперпараметров в Google Cloud. Вы сможете отправить модель для настройки или обучения в Google Cloud непосредственно с помощью блокнота Colab, Kaggle или локального скрипта, не используя Cloud Console. Об обновлениях читайте на нашем новом сайте.
Сообщество
Новый форум TensorFlow
Мы создали новый форум TensorFlow, где можно задавать вопросы и общаться. Здесь разработчики, авторы и пользователи могут обмениваться мнениями друг с другом и со специалистами TensorFlow. Регистрируйтесь и присоединяйтесь к сообществу на странице discuss.tensorflow.org.
Список докладов
Это лишь неполный список тем, которые обсуждались на конференции Google I/O – 2021. Все доклады о TensorFlow можно посмотреть в этом плейлисте. Ниже для вашего удобства указаны прямые ссылки на каждый доклад.
Новости машинного обучения (вступительный доклад)
Машинное обучение для веб-приложений следующего поколения с помощью TensorFlow.js
В вашем приложении используется машинное обучение? Выпустите рабочую версию с помощью TFX
Простая реализация межплатформенного компьютерного зрения с помощью библиотеки Model Maker
Выявление и решение повседневных проблем с помощью машинного обучения
Как без труда развертывать модели TF Lite в интернете (демонстрация)
Облачное обучение моделей TensorFlow с помощью TensorFlow Cloud (демонстрация)
Больше, чем оценка: улучшение достоверности с помощью инструмента Model Remediation (демонстрация)
Хотите узнать больше о TensorFlow? Посетите сайт tensorflow.org, прочитайте другие статьи в блоге, следите за нашими публикациями в социальных сетях и подписывайтесь на наш канал YouTube. Вы также можете вступить в ближайшее к вам сообщество пользователей TensorFlow.
