そうそう、書き忘れた。3月28日
[Online] Recap of TensorFlow Dev Summit 2020
https://gdg-tokyo.connpass.com/event/171363
を、いつもなら「行ってきた」と書くんだけど、これはオンラインなので、
「家で見た」ので、そのメモメモ
※表題はレスポンシブルAIやML-fairnessってあるけど、もちろん
TensorFlow Enterprise(TFE)やTensorFlow Lightの話も。
・Tensor Flow dev Sumアメリカ(毎年)の振り返り
■はじめに
タイムスケジュール
質問方法
Youtubeチャット
Twitter
Sli.do→いちばんやってほしい
本チャンの人が英語でしゃべるのが、日本語で質問できる
■全体の振り返り
センション 22セッション
tensor Flow dev
Kaggleでの使い方
チューニング(Research with Tensorflow)
Tensor flowのランタイム新しくなる
レスポンシブルAI
Tensor Flow Quntam
アンケートで票が多かったセッション
キーノート
振り返り
MLIRとTFRTが新しい話題
Responsible AIが多めに時間取っている
フェアネス、プライバシー
コミュニケーションの話
サーティフィケーションが作られていた
Kerasの話
ふつうのTFの使い方のかんじ
SEC to SEC:つらいといわれてきた
自然言語を入れてきた。
可変長:昔
TF 2,x on Kaggle
TFRT A new TensorFlow runtime
カーネルのランタイムが変わる
ResNetの推論が25%改善
TensorFlow Quantum
量子古典ハイブリッド機械学習用ライブラリ(TF+Cirq)
量子回路はTensorで表現され、勾配を使って更新
レスポンシブルAI With TensorFlow
Fairnessなど、最近よく出てくる倫理の話題
データセットの話→モデル側の制約で行う
どういうふうにFairにするかは人間が決める
tf.dataの話
RFCから
■TensorFlow Enterprise(TFE)
・マンガを使ってスライド作った
・OpsとDevの連携→クラウド使うのが手っ取り早い
TFE
マネージドサービス
・マネージドサービス
オーバープロビジョニング
スケールアウト難しい
・標準化される
DeepLearning VM
→Google Cloud
すけーらびりてぃ、ポータビリティ
大量のデータ、自動化
DeepLearning Containers
Dockerイメージ
→プロダクションで使いやすい
・パフォーマンス
とくにBigQuery
最適化したドライバ
学習の時、GPUの空きが少なくなる
・サポート
LTS
ホワイトグローブサービス:条件アリ
パイプライン
2007 Sibylのノウハウを
TFX(TFエクステンション)
TFDV:学習データの検証
TFMA:学習のふるまい検証:セグメントごとの検証
ML Fairness
ML メタデータ(sqliteみたいなのがはいっていて、成果物に対する履歴のこす)
ことし
けらすのさぽーと
・クラウドAIプラットフォームパイプライン
新製品(名称変更)
UIが提供されている
実験管理が簡単
■AIプラットフォームパイプライン デモ
■質問
・TFXって、sklearnやpytourchサポートしている?
オーケストレーションで、パイプラインから呼び出す感じ
データバリデーション
・GoogleクラウドのサポートでtensorFlowの質問はできるけど。
ホワイトグローブサービスは別契約
・ColabtoColab Proの違い
チームが違う
企業で使うとColab Proできついかも→TFE
・KubeFlowのドキュメントにも目をとおしたほうがいい
■伝統工芸品とTensorFlow
・広島県 熊野筆(化粧筆)
→手作業:不良品・良品が異なる→定量化に挑戦
・熊野筆:今メインは化粧筆(最初、書道筆)
丸いカーブ:先柔らか 日本の筆の80%は熊野町
1500人の人が作っている 19人がプロフェッショナル
→後継者不足問題
・ほさきのかたち:左右対称のきれいな形
人により評価違う
。ニューラルネットで学習
畳み込みオートエンコーダーを使っている
誤差を表示
・今後
定量的
作業量削減
・良品からのズレ
→不良品を作りにくい
■TensorFlow Light
・Android,Linuxでモデルを動かす
・メルカリとか使っている
・コンピュータービジョンとか音声認識とか
・TensorFlow Light
機能の充実
シンプルさの維持
・チュートリアル→プロトタイプ→転移学習→モデル生成→デプロイ
チュートリアル→オンラインコースがある
プロトタイプ:学習済みモデルとサンプルを使うBIRT
最先端モデル
・モデル:TFLite Model Maker 転移学習を使ってカスタマイズ
・TFLite Model Metadata:メタデータを入れる
・コードジェネレーター→前処理、後処理
・2つのハードウェアアクセサレーター対応
Qualcomm HexagonDSP
Apple Neural Engine → OpenCL
■しつもん
・TFLiteの質問
・画像データの差:良品と差を取るだけではだめ?
→良品にもブレがある
MLCC:フェアネスのオプション
ばらつきを意図的に変える
明示的にモデルに制約
→効果はいろいろ
[Online] Recap of TensorFlow Dev Summit 2020
https://gdg-tokyo.connpass.com/event/171363
を、いつもなら「行ってきた」と書くんだけど、これはオンラインなので、
「家で見た」ので、そのメモメモ
※表題はレスポンシブルAIやML-fairnessってあるけど、もちろん
TensorFlow Enterprise(TFE)やTensorFlow Lightの話も。
・Tensor Flow dev Sumアメリカ(毎年)の振り返り
■はじめに
タイムスケジュール
質問方法
Youtubeチャット
Sli.do→いちばんやってほしい
本チャンの人が英語でしゃべるのが、日本語で質問できる
■全体の振り返り
センション 22セッション
tensor Flow dev
Kaggleでの使い方
チューニング(Research with Tensorflow)
Tensor flowのランタイム新しくなる
レスポンシブルAI
Tensor Flow Quntam
アンケートで票が多かったセッション
キーノート
振り返り
MLIRとTFRTが新しい話題
Responsible AIが多めに時間取っている
フェアネス、プライバシー
コミュニケーションの話
サーティフィケーションが作られていた
Kerasの話
ふつうのTFの使い方のかんじ
SEC to SEC:つらいといわれてきた
自然言語を入れてきた。
可変長:昔
TF 2,x on Kaggle
TFRT A new TensorFlow runtime
カーネルのランタイムが変わる
ResNetの推論が25%改善
TensorFlow Quantum
量子古典ハイブリッド機械学習用ライブラリ(TF+Cirq)
量子回路はTensorで表現され、勾配を使って更新
レスポンシブルAI With TensorFlow
Fairnessなど、最近よく出てくる倫理の話題
データセットの話→モデル側の制約で行う
どういうふうにFairにするかは人間が決める
tf.dataの話
RFCから
■TensorFlow Enterprise(TFE)
・マンガを使ってスライド作った
・OpsとDevの連携→クラウド使うのが手っ取り早い
TFE
マネージドサービス
・マネージドサービス
オーバープロビジョニング
スケールアウト難しい
・標準化される
DeepLearning VM
→Google Cloud
すけーらびりてぃ、ポータビリティ
大量のデータ、自動化
DeepLearning Containers
Dockerイメージ
→プロダクションで使いやすい
・パフォーマンス
とくにBigQuery
最適化したドライバ
学習の時、GPUの空きが少なくなる
・サポート
LTS
ホワイトグローブサービス:条件アリ
パイプライン
2007 Sibylのノウハウを
TFX(TFエクステンション)
TFDV:学習データの検証
TFMA:学習のふるまい検証:セグメントごとの検証
ML Fairness
ML メタデータ(sqliteみたいなのがはいっていて、成果物に対する履歴のこす)
ことし
けらすのさぽーと
・クラウドAIプラットフォームパイプライン
新製品(名称変更)
UIが提供されている
実験管理が簡単
■AIプラットフォームパイプライン デモ
■質問
・TFXって、sklearnやpytourchサポートしている?
オーケストレーションで、パイプラインから呼び出す感じ
データバリデーション
・GoogleクラウドのサポートでtensorFlowの質問はできるけど。
ホワイトグローブサービスは別契約
・ColabtoColab Proの違い
チームが違う
企業で使うとColab Proできついかも→TFE
・KubeFlowのドキュメントにも目をとおしたほうがいい
■伝統工芸品とTensorFlow
・広島県 熊野筆(化粧筆)
→手作業:不良品・良品が異なる→定量化に挑戦
・熊野筆:今メインは化粧筆(最初、書道筆)
丸いカーブ:先柔らか 日本の筆の80%は熊野町
1500人の人が作っている 19人がプロフェッショナル
→後継者不足問題
・ほさきのかたち:左右対称のきれいな形
人により評価違う
。ニューラルネットで学習
畳み込みオートエンコーダーを使っている
誤差を表示
・今後
定量的
作業量削減
・良品からのズレ
→不良品を作りにくい
■TensorFlow Light
・Android,Linuxでモデルを動かす
・メルカリとか使っている
・コンピュータービジョンとか音声認識とか
・TensorFlow Light
機能の充実
シンプルさの維持
・チュートリアル→プロトタイプ→転移学習→モデル生成→デプロイ
チュートリアル→オンラインコースがある
プロトタイプ:学習済みモデルとサンプルを使うBIRT
最先端モデル
・モデル:TFLite Model Maker 転移学習を使ってカスタマイズ
・TFLite Model Metadata:メタデータを入れる
・コードジェネレーター→前処理、後処理
・2つのハードウェアアクセサレーター対応
Qualcomm HexagonDSP
Apple Neural Engine → OpenCL
■しつもん
・TFLiteの質問
・画像データの差:良品と差を取るだけではだめ?
→良品にもブレがある
MLCC:フェアネスのオプション
ばらつきを意図的に変える
明示的にモデルに制約
→効果はいろいろ