google 在今年9月10日的開發者大會上和tensorflow相關的演講都在這裏了
文章目錄
- 1、機器學習簡介 【25min】
- 2、TensorFlow 主旨演講：機器學習的現在和未來 【20min】
- 3、TensorFlow 2.0 資訊全覆蓋 【23min】
- 4、應用 tf.text 搭建模型 【10min】
- 5、TensorFlow Lite - 面向移動和物聯網設備 【24min】
- 6、SmileAR: 愛奇藝基於TensorFlow Lite的移動端AR解決方案 【10min】
- 7、使用 tf.distribute 擴展 TensorFlow【23min】
- 8、TensorFlow.js：JavaScript 平臺的機器學習 【48min】
- 9、模型優化與量化【20min】
- 10、在 Arm 架構上運行 TensorFlow Lite【10min】
- 11、藉助 TensorFlow Extended (TFX) 打造機器學習服務 【27min】
- 12、ElasticDL: 基於 TensorFlow 2.0 和 Kubernetes 的彈性分佈式深度學習 【10min】
- 13、參與 TensorFlow 【11min】
- 14、Swift for TensorFlow：無邊界機器學習 【26min】
- 15、應用 TensorFlow 和結構化數據訓練 【20min】
- 16、聯邦學習：機器學習在去中心化數據上的應用 【25min】
1、機器學習簡介 【25min】
此講面向瞭解代碼但不一定了解機器學習的人員，將介紹機器學習的“新”範式，以及模型如何作爲某些邏輯情景的替代實現（替代以前編寫 if/then 規則和其他代碼的做法）。此講將涉及機器學習領域很多您可能不熟悉的新概念，其中包括動態圖模式、訓練循環、優化器和損失函數。
https://www.bilibili.com/video/av68057077/
2、TensorFlow 主旨演講：機器學習的現在和未來 【20min】
TensorFlow 是端到端的開源機器學習平臺。TensorFlow 以及世界上的其他機器學習技術一起都在不斷髮展和完善。在此主旨演講中，TensorFlow 的幾位產品經理將向您介紹 TensorFlow 的最新功能，以及未來發展方向。演講內容將涵蓋 TF 2.0，以及 TensorFlow 生態系統的最新發展情況。
https://www.bilibili.com/video/av68129942/
3、TensorFlow 2.0 資訊全覆蓋 【23min】
TensorFlow 2.0 已發佈！在此講中，將通過一些代碼示例介紹我們新推出的一些新手和專家都可輕鬆上手的 API，這些 API 可用來打造不同特色的神經網絡（密集神經網絡、卷積神經網絡和循環神經網絡）。此外，還將說明您在自己的項目中何時使用 Keras Sequential API、Functional API 和 Subclassing API。
https://www.bilibili.com/video/av68130292/
4、應用 tf.text 搭建模型 【10min】
文本建模通常需要預處理數據和重新生成示例，以便將文本內容轉換成模型輸入。TF.Text 提供的工具箱中帶有本機 Tensorflow 節點（即 Op）和實用工具（包括標記化、句子停頓、Unicode 支持、字符串處理、特徵提取等），可用來創建文本預處理圖形，並將示例無縫送入模型中。
https://www.bilibili.com/video/av68130490/
5、TensorFlow Lite - 面向移動和物聯網設備 【24min】
TensorFlow Lite 是一種開源深度學習框架，用於實現設備上的推斷。歡迎參加此專題會議，瞭解我們最近在 TFLite 方面取得的令人振奮的進展，包括性能提升、微控制器部署等。
https://www.bilibili.com/video/av68130598/
6、SmileAR: 愛奇藝基於TensorFlow Lite的移動端AR解決方案 【10min】
SmileAR 是愛奇藝自研的基於 TensorFlow Lite 的移動端AR解決方案，該方案包含人體關鍵點識別、人像分割、手勢識別、物體識別等基礎算法。基於這些基礎算法我們進一步封裝了美顏、尬舞機、掃一掃等 AR 應用。目前 SmileAR 已部署到愛奇藝旗下的多個產品中，包括日活過億的愛奇藝主 APP、奇巴布、薑餅短視頻及愛奇藝直播機等。 在本次分享中，來自愛奇藝的研究員將簡要介紹 SmileAR 的架構和在愛奇藝的應用場景。
https://www.bilibili.com/video/av68130889/
7、使用 tf.distribute 擴展 TensorFlow【23min】
TensorFlow 的 tf.distribute 庫可用來將模型從單個 GPU 擴展到多個 GPU，並最終擴展成使用簡單 API 的多個機器，而且只需對現有的代碼進行少量改動即可實現。歡迎加入我們，瞭解如何使用 tf.distribute 在各種硬件平臺（從商務雲端平臺到專用硬件，都有涉及）上擴展您的機器學習模型。
https://www.bilibili.com/video/av68131040/
8、TensorFlow.js：JavaScript 平臺的機器學習 【48min】
TensorFlow.js 這個庫用於在瀏覽器、Node.js 和其他 Javascript 平臺中訓練和部署機器學習模型，可爲 JavaScript 開發者提供獨特的機會。在本講中，您將瞭解到 TensorFlow.js 生態系統：如何將現有的機器學習模型植入 JS 應用，如何使用自己的數據重新訓練模型，以及如何超越瀏覽器，轉到其他 JS 平臺部署機器學習模型。來看看我們一些深受歡迎的獨特應用的實際演示版！ 同時，來自 ModiFace Technology（L’Oréal 子公司）的特邀演講嘉賓，將分享如何通過應用TensorFlow.js來解決在瀏覽器上實現增強現實（AR）所面臨的挑戰。
https://www.bilibili.com/video/av68131431/
9、模型優化與量化【20min】
機器學習技術是許多產品（從數據中心到邊界設備）的核心。爲了高效部署這些模型，通常建議甚至必須執行某些優化。TensorFlow Model Optimization Toolkit 這套工具實現了一些方法，可對機器學習模型進行優化，以便部署和執行。這套工具是 TensorFlow 背書的衆多 API 之一。
https://www.bilibili.com/video/av68171973/
10、在 Arm 架構上運行 TensorFlow Lite【10min】
強大的處理能力，加上先進的機器學習算法，讓我們得以邊緣設備上運行機器學習推理。Google TensorFlow Lite 團隊與 Arm 合作，讓處理器更加智能。在此講中，我們會介紹 TensorFlow Lite 是如何讓處理能力和資源有限的邊界設備也能實現機器智能的，這種新興趨勢將如何重新定義 AI 應用。
https://www.bilibili.com/video/av68172272/
11、藉助 TensorFlow Extended (TFX) 打造機器學習服務 【27min】
要建立起供生產環境使用的機器學習流水線，以便訓練、部署和維護機器學習和深度學習應用，所涉及的工作遠不只是訓練一個模型。利用在開發生產環境用的機器學習流水線方面的多年經驗，谷歌推出了開源平臺 TensorFlow Extended (TFX)，這是谷歌內部使用的開源版工具和庫。此講將與您分享谷歌在生產環境用的機器學習技術方面積累的經驗，其中包括元數據管理、數據驗證、模型驗證和轉換。
https://www.bilibili.com/video/av68172714/
12、ElasticDL: 基於 TensorFlow 2.0 和 Kubernetes 的彈性分佈式深度學習 【10min】
ElasticDL 是螞蟻金服開發的一個分佈式深度學習系統。像 Keras 的 model-fit API 和 Estimator 一樣，大家調用一個API 函數即可做分佈式訓練或預測。與衆不同的是，ElasticDL 不依賴 TensorFlow runtime 實現分佈式計算，而是實現在 runtime 之外。我們可以做這樣的嘗試是因爲 TensorFlow 2.0 的 eager mode。這個嘗試實現了 Kubernetes-native 的調度方式，從而使得 ElasticDL 可以支持容錯和彈性調度。由此，我們有望大幅提升機羣總體利用率以及深度學習團隊的工作效能，而不是僅關注優化每一個特定的分佈式深度學習任務。
https://www.bilibili.com/video/av68173107/
13、參與 TensorFlow 【11min】
TensorFlow 是一個生機盎然的全球性大社區。TensorFlow 產品團隊不僅致力於打造最好的技術功能，還在努力開發最好的產品，供像您一樣的 TensorFlow 社區成員使用。在本講中，您將瞭解如何參與到其中、新推出的社區功能，以及如何讓世人認可您的 TensorFlow 成就。
https://www.bilibili.com/video/av68173669/
14、Swift for TensorFlow：無邊界機器學習 【26min】
Swift for TensorFlow 是爲下一代機器學習技術開發而打造的平臺，能夠利用創新技術（例如先進的可微分編程）將深度神經網絡與傳統軟件開發無縫地整合在一起。在此講中，您將瞭解到 Swift for TensorFlow 如何讓先進的機器學習研究變得更加容易，以及 Jeremy Howard 的 fast.ai 爲何選擇將它納入其深度學習課程的最新版本中。
https://www.bilibili.com/video/av68174238/
15、應用 TensorFlow 和結構化數據訓練 【20min】
此講介紹 TensorFlow 的最新科研成果和開發工具，這些工具有助於開發者通過結構化信號中收集到的信息優化模型訓練。
https://www.bilibili.com/video/av68174542/
16、聯邦學習：機器學習在去中心化數據上的應用 【25min】
瞭解一下聯邦學習技術：該技術用於在由中央服務器協調的一系列設備（例如 Android 手機）上訓練和評估機器學習模型，而無需將敏感的訓練數據從任何用戶的設備發送到其他位置。此講將介紹 TensorFlow Federated 如何讓研究人員和先行者們得以利用自己的數據集模擬聯邦學習以及其他聯邦計算。
https://www.bilibili.com/video/av68174772/