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
アクセス
トータル
ランキング
