TensorFlow の概要
TensorFlow を使用すると、初心者もエキスパートも、デスクトップ、モバイル、ウェブ、クラウド向けの機械学習モデルを簡単に作成できます。開始するには、以下のセクションを参照してください。
モバイル & エッジ向け
Android、iOS、Edge TPU、Raspberry Pi などのモバイルおよび組み込みデバイスで TensorFlow Lite を使用して推論を実行します。
機械学習のためのエンドツーエンドのプラットフォーム
ML の成果を成功させるためのデータの準備と読み込み
ML の取り組みを成功させるには、データが最も重要な要素になる可能性があります。 TensorFlow は、データを大規模に統合、クリーニング、および前処理するのに役立つ複数のデータ ツールを提供します。
初期トレーニングと検証用の標準データセット
データをロードするための高度にスケーラブルなデータ パイプライン
一般的な入力変換のためのレイヤーの前処理
さらに、責任ある AIツールは、データの偏りを明らかにして排除し、モデルから公正で倫理的な結果を生み出すのに役立ちます。
TensorFlow エコシステムでモデルを構築して微調整する
モデルの構築、トレーニング、およびエクスポートを合理化するCore フレームワーク上に構築されたエコシステム全体を探索します。 TensorFlow は、分散トレーニング、即時のモデル反復、 Kerasによる簡単なデバッグなどをサポートしています。 Model AnalysisやTensorBoardなどのツールは、モデルのライフサイクルを通じて開発と改善を追跡するのに役立ちます。
開始するには、 TensorFlow Hubで Google とコミュニティから事前トレーニング済みモデルのコレクションを見つけるか、 Model Gardenで最先端の研究モデルの実装を見つけてください。これらの高レベル コンポーネントのライブラリを使用すると、強力なモデルを取得して、新しいデータに合わせて微調整したり、新しいタスクを実行するようにカスタマイズしたりできます。
オンデバイス、ブラウザ、オンプレミス、またはクラウドにモデルをデプロイ
TensorFlow は、サーバー、エッジ デバイス、ブラウザー、モバイル、マイクロコントローラー、CPU、GPU、FPGA など、あらゆる環境にモデルをデプロイするための堅牢な機能を提供します。 TensorFlow Servingは、Google のカスタム Tensor プロセッシング ユニット (TPU) を含む、世界で最も高度なプロセッサ上で ML モデルを本番規模で実行できます。
ソースに近いデータを分析してレイテンシを短縮し、データのプライバシーを改善する必要がある場合、 TensorFlow Liteフレームワークを使用すると、モバイル デバイス、エッジ コンピューティング デバイス、さらにはマイクロコントローラーでモデルを実行できます。TensorFlow.jsフレームワークを使用すると、機械学習を実行できます。ただのウェブブラウザ。
Colabで試してみてください
TensorFlow Serving でモデルを提供する本番 ML の MLOps を実装する
TensorFlow プラットフォームは、データの自動化、モデルの追跡、パフォーマンスの監視、モデルの再トレーニングのベスト プラクティスを実装するのに役立ちます。
生産レベルのツールを使用して、製品、サービス、またはビジネス プロセスのライフタイムにわたってモデル トレーニングを自動化および追跡することは、成功に不可欠です。 TFXは、MLOps を完全にデプロイするためのソフトウェア フレームワークとツールを提供し、時間の経過とともにデータとモデルが進化するにつれて問題を検出します。
