עיבוד שפה טבעית (NLP) הגיע לנקודת פיתול, והרצאה זו מראה לך כיצד TensorFlow ו-Keras מקלים על עיבוד מקדים, אימון והתאמה של מודלים של טקסט.

TF Hub הוא המאגר הראשי לדגמי ML. ההרצאה הזו בוחנת את כל התכונות החדשות וכיצד הן יכולות להפוך את מסע גילוי המודל שלך לטוב עוד יותר.

שיתוף תוצאות הניסוי הוא חלק חשוב מתהליך ה-ML. הרצאה זו מראה כיצד TensorBoard.dev יכול לאפשר ML שיתופי על ידי כך שיהיה קל לשתף את תוצאות הניסוי במאמר, בפוסט בבלוג, במדיה החברתית שלך ועוד.

לאחרונה, Kaggle הציגה תמיכת TPU דרך פלטפורמת התחרות שלה. הרצאה זו נוגעת לאופן שבו מתחרי Kaggler עברו משימוש ב-GPU ל-TPU, תחילה ב-Colab, ולאחר מכן במחברות של Kaggle.

הרצאה זו מציגה פרופיל ש-Google משתמשת בו באופן פנימי כדי לחקור את ביצועי TF בפלטפורמות כולל GPU, TPU ו-CPU.

נא למנף את תכונת ה-LiveChat בזרם החי מכיוון שאנשי צוות TensorFlow יגיבו בצ'אט בזמן אמת. אם יהיה לנו זמן נוסף בשידור החי, נשיב על כמה שאלות בשידור חי.

בהרצאה זו נעבור על כמה תכונות מעניינות של TF שימושיות בעת מחקר.

בעיות אופטימיזציה קמורות משמשות לפתרון בעיות רבות בעולם האמיתי. עד עכשיו, היה קשה להשתמש בהם בצינורות TensorFlow. הרצאה זו מציגה את cvxpylayers, חבילה שמקלה על הטמעת בעיות אופטימיזציה קמורות ב-TensorFlow, ומאפשרת לך לכוון אותן באמצעות ירידה בשיפוע.

ככל שהכשרת מודלים הופכת מבוזרת יותר בטבעה, tf.data התפתח להיות מודע להפצה וביצועים יותר. הרצאה זו מציגה כלי tf.data לשינוי קנה מידה של עיבוד נתונים של TensorFlow. בפרט: שירות tf.data המאפשר את צינור ה-tf.data שלך לפעול על אשכול של מכונות, ו-tf.data.snapshot שמממש את התוצאות לדיסק לשימוש חוזר על פני מספר הפעלות.

הרצאה זו מציגה שיפורי ביצועים מרובים ב-TensorFlow 2.2 כדי להאיץ ולהרחיב את עומס העבודה של המשתמשים באימוני ML למעבדים מרובי-עובדים. אנו עוברים על האופטימיזציות באמצעות משימת כוונון עדין של BERT בגן מודל TF, שנכתבה באמצעות לולאת אימון מותאמת אישית.

למד טיפים וטריקים מצוות Colab. הרצאה זו מתארת ​​כיצד משתמשי TensorFlow מפיקים את המרב מ-Colab, ומציצה מאחורי הווילון כדי לראות כיצד קולאב עובד.

כריס מטמן יסביר כיצד מרכז חוויית החדשנות של JPL במשרד מנהל המידע הראשי תומך באנליטיקה מתקדמת, בינה מלאכותית ולמידת מכונה באמצעות TensorFlow עבור רוברים חכמים, קמפוס חכם יותר, ומעבר לכך!

נא למנף את תכונת ה-LiveChat בזרם החי מכיוון שאנשי צוות TensorFlow יגיבו בצ'אט בזמן אמת. אם יהיה לנו זמן נוסף בשידור החי, נשיב על כמה שאלות בשידור חי.

הרצאה זו תתאר את MLIR - תשתית מהדר למידת מכונה עבור TensorFlow ותסביר כיצד היא עוזרת ל-TensorFlow להתרחב מהר יותר כדי לענות על הצרכים של תוכנה וחומרה למידת מכונה המתפתחות במהירות.

TFRT הוא זמן ריצה חדש עבור TensorFlow. תוך מינוף MLIR, היא שואפת לספק שכבת תשתית מאוחדת הניתנת להרחבה עם ביצועים מהשורה הראשונה במגוון רחב של חומרה ספציפית לתחום. גישה זו מספקת שימוש יעיל במעבדי המארחים מרובי ההליכים, תומכת בדגמי תכנות אסינכרוניים לחלוטין, ומתמקדת ביעילות ברמה נמוכה.

למד כיצד פלטפורמת ML הייצור של Google, TFX, משתנה ב-2020.

TensorFlow Enterprise הופך את יישומי TensorFlow לארגון שלך מוכן, עם מספר שיפורים ל-TensorFlow ב-Google Cloud. זה פותח נתונים ומודלים בקנה מידה של ענן, תוך פישוט פיתוח של יישומי ML קריטיים לעסקים מאב טיפוס לייצור. יחד, אנו פותרים את החלק הקשה ביותר של ML ארגוני בייצור.

למד כיצד לפרוס ML לטלפונים ניידים ולהתקנים משובצים. פרוס כעת על מיליארדי מכשירים בייצור - זוהי מסגרת ML חוצה פלטפורמות הטובה בעולם עבור ניידים ומיקרו-בקרים. היכנסו להכרזות המרגשות החדשות שלנו.

Jacquard היא פלטפורמת מחשוב סביבה המופעלת על ידי ML ​​שלוקחת אובייקטים רגילים ומוכרים ומשפרת אותם עם יכולות וחוויות דיגיטליות חדשות, תוך שהיא נשארת נאמנה למטרה המקורית שלהם. נתאר כיצד אימנו ופרסנו מודלים של למידה חישובית מוגבלת משאבים המוטמעים בצורה חלקה בבגדים ובאביזרים יומיומיים; כמו הז'קט, התרמיל או זוג הנעליים האהובים עליך שאתה אוהב ללבוש.

TensorFlow.js היא פלטפורמה לאימון ופריסה של מודלים של למידת מכונה בדפדפנים, או בכל מקום שבו Javascript יכול לרוץ, כגון מכשירים ניידים, פלטפורמת מיני אפליקציית WeChat ו-Raspberry Pi. הוא מספק מספר קצוות אחוריים, כולל CPU, GPU, Node ו-WASM back end. הוא גם מספק אוסף של דגמים מאומנים מראש, כולל שתי התוספות החדשות ביותר: MobileBERT ו-FaceMesh.

נא למנף את תכונת ה-LiveChat בזרם החי מכיוון שאנשי צוות TensorFlow יגיבו בצ'אט בזמן אמת. אם יהיה לנו זמן נוסף בשידור החי, נשיב על כמה שאלות בשידור חי.

למד כיצד אתה יכול להיות חלק מהמערכת האקולוגית ההולכת וגדלה של TensorFlow ולהיות תורם באמצעות קוד, תיעוד, חינוך או מנהיגות קהילתית.

הצגת מסגרת לחשיבה על ML, הוגנות ופרטיות. הרצאה זו תציע זרימת עבודה של ML מודע להוגנות, ימחיש כיצד ניתן להשתמש בכלים של TensorFlow כגון אינדיקטורים להוגנות כדי לזהות ולהפחית הטיה, ולאחר מכן יעבור למחקר מקרה ספציפי לגבי פרטיות שיעביר את המשתתפים דרך כמה חלקי תשתית שיכול לעזור להכשיר מודל באופן שומר פרטיות.

אנו מציגים את TensorFlow Quantum, ספריית קוד פתוח ליצירת אב טיפוס מהיר של אלגוריתמי ML היברידיים קוונטים-קלאסיים חדשים. ספרייה זו תרחיב את היקף ה-ML הנוכחי תחת TensorFlow ותספק את ארגז הכלים הדרוש לחיבור קהילות מחקר קוונטי ולמידת מכונה כדי לשלוט בנתונים קוונטיים ולמודלים אותם.