Google for Developers Korea Blog: TensorFlow Dev Summit 2018의 하이라이트를 전해드립니다

TensorFlow Dev Summit 2018의 하이라이트를 전해드립니다

2018년 4월 19일 목요일

.post-body span { white-space: normal !important; } <블로그 원문은 이곳에서 확인하실 수 있으며 블로그 번역 리뷰는 권순선(Google)님이 참여해 주셨습니다> 게시자: Sandeep Gupta, TensorFlow 제품 관리자, TensorFlow 팀을 대신하여 TensorFlow 블로그에 최초 게시
3월 30일 저희는 두 번째 TensorFlow Developer Summit을 캘리포니아주 마운틴 뷰의 컴퓨터 역사 박물관에서 주최했습니다! 이 행사에는 500명 이상의 TensorFlow 사용자가 직접 참석했으며, 전세계 TensorFlow 행사에서 수천 명의 사용자가 라이브스트림을 시청했습니다. 이 날은 TensorFlow 팀과 초청 연사들과의 기술 대담과 함께 신제품 발표로 가득 채워졌습니다. 다음은 이 행사의 주요 사항입니다.

전세계 모든 사람에게 영향을 미치는 어려운 문제들을 머신러닝이 해결하고 있습니다. 불가능하거나 너무 복잡해서 해결하기 어려울 것으로 생각했던 문제들을 이제 이 기술로 해결할 수 있게 되었습니다. TensorFlow를 사용하여 저희는 이미 다양한 여러 분야에서 상당한 발전을 이루었습니다. 예를 들면 다음과 같습니다.

천체 물리학자들이 TensorFlow를 사용하여 케플러 탐사선으로부터 전송되는 대량의 데이터를 분석함으로써 새로운 행성을 발견하고 있습니다.

의료 연구원들이 TensorFlow와 함께 ML 기법을 사용하여 사람의 심장마비와 뇌졸중과 같은 심혈관 위험을 평가하고 있습니다.

항공 교통 관제사들이 TensorFlow를 사용하여 붐비는 하늘에서 안전하고 효율적인 착륙을 위해 비행 경로를 예측하고 있습니다.

엔지니어들이 TensorFlow를 사용하여 열대 우림에서 청각 데이터를 분석함으로써 벌목용 트럭과 기타 불법 행위를 탐지하고 있습니다.

아프리카의 과학자들이 TensorFlow를 사용하여 카사바 농장에서 질병을 탐지함으로써농부의 수확량을 늘리고 있습니다.

TensorFlow의 이와 같은 놀라운 용도를 알게 되어 기쁘게 생각하며, 더 많은 개발자들이 TensorFlow를 이용할 수 있도록 최선을 다하고 있습니다. 이를 위해 저희는 개발자 환경 개선에 도움이 되는 TensorFlow의 새로운 업데이트를 기쁜 마음으로 발표합니다!
저희는 TensorFlow를 더욱 사용하기 쉽게 만들고 있습니다
연구원과 개발자들은 더욱 단순한 방법으로 TensorFlow를 사용하고자 합니다. 저희는 Eager Execution이라고 불리는 보다 직관적인 Python 개발자용 프로그래밍 모델을 통합하는 중입니다. 이 모델은 계산 그래프의 구성과 실행 사이에 존재하는 차이를 제거해 줍니다. 개발자는 Eager Execution으로 개발한 다음, Estimator 고수준 API를 사용하여 동일한 코드로 규모에 맞는 트레이닝을 위한 등가 그래프를 생성할 수 있습니다. 저희는 또한 단일 시스템의 다중 GPU에서 Estimator 모델을 실행하는 새로운 방법도 발표했습니다. 이를 통해 개발자가 최소한의 코드 변경만으로 신속하게 모델을 확장할 수 있습니다.
머신러닝 모델이 더욱 풍부해지고 복잡해짐에 따라 저희는 개발자들이 더욱 쉽게 공유하고 재사용하고 디버깅할 수 있도록 만들고 싶습니다. 개발자들이 모델을 공유하고 재사용할 수 있도록 저희는 TensorFlow Hub를 발표했습니다. TensorFlow Hub는 유사한 작업에서 재사용될 수 있는 모듈(TensorFlow 그래프의 독립적인 조각)의 게시 및 검색을 촉진하기 위해 제작된 라이브러리입니다. 모듈에는 대규모 데이터세트에서 사전 학습된 가중치가 포함되며, 여러분의 애플리케이션에서 모듈이 재학습되고 사용될 수도 있습니다. 모듈을 재사용함으로써 개발자는 더 작은 데이터세트를 사용하여 모델을 학습시키거나, 일반화를 개선하거나, 학습 속도를 높일 수 있습니다. 모델 디버깅을 더욱 쉽게 만들기 위해 저희는 또한 새로운 대화형 그래픽 디버거 플러그인을 TensorBoard 시각화 도구의 일부로 출시했습니다. 이 플러그인은 계산 그래프의 내부 노드를 실시간으로 검사하고 단계별로 실행하도록 도와줍니다.

모델 학습은 머신러닝 프로세스의 일부분에 불과하며, 개발자가 실제 ML 시스템을 구축하기 위해서는 완벽하게 작동하는 솔루션이 필요합니다. 이 목표를 향해 저희는 TensorFlow Model Analysis 출시와 함께 TensorFlow와 Apache Beam의 성능을 결합하여 평가 측정항목을 계산하고 시각화하는 오픈소스 라이브러리인 TensorFlow Extended(TFX)의 로드맵을 발표했습니다. 지금까지 출시된 TFX의 구성 요소(TensorFlow Model Analysis, TensorFlow Transform, Estimators 및 TensorFlow Serving 포함)는 잘 통합되며 이를 통해 개발자가 데이터를 준비하고 TensorFlow 모델을 학습, 검증하고 프로덕션에 배포할 수 있습니다.

더 많은 언어와 플랫폼에서 사용 가능한 TensorFlow
TensorFlow를 더욱 사용하기 쉽게 만드는 것과 더불어, 개발자가 새로운 언어로 TensorFlow를 사용할 수 있음을 알려드립니다. TensorFlow.js는 JavaScript 개발자를 위한 새로운 ML 프레임워크입니다. 브라우저에서 TensorFlow.js를 사용하는 머신러닝은 흥미로운 새로운 가능성을 열어주며, 여기에는 대화형 ML 및 모든 데이터가 클라이언트측에 남아있는 시나리오 지원이 포함됩니다. 이 머신러닝을 사용하면 오로지 브라우저에서 모듈을 빌드하고 학습시킬 수 있을 뿐만 아니라, WebGL 가속을 사용하여 추론을 위해 오프라인으로 학습된 TensorFlow 및 Keras 모델을 가져올 수 있습니다. Emoji Scavenger Hunt 게임은 TensorFlow.js를 사용하여 제작된 애플리케이션의 재미있는 사례입니다.

또한 Swift 프로그래머를 위한 몇 가지 흥미로운 뉴스가 있습니다. Swift용 TensorFlow 소스가 올해 4월에 공개됩니다. TensorFlow for Swift는 TensorFlow를 위한 일반적인 언어 바인딩이 아니며, 최고 수준의 컴파일러와 언어 지원을 통합하여, Eager Execution의 사용성과 함께 완벽한 성능의 그래프를 제공합니다. 이 프로젝트는 여전히 개발 중이며 더 많은 업데이트가 곧 나올 것입니다!
저희는 또한 TensorFlow의 경량 버전 솔루션인 TensorFlow Lite의 최신 업데이트를 공유하고 있습니다. 이 솔루션은 학습된 ML 모델을 모바일 및 기타 종단 기기에 배포하기 위한 크로스 플랫폼 솔루션입니다. Android 및 iOS에 대한 기존 지원 외에도 Raspberry Pi에 대한 지원과 연산/모델(사용자설정 연산 포함)에 대한 향상된 지원도 발표하며, 개발자가 앱에서 TensorFlow Lite를 쉽게 사용할 수 있는 방법도 설명합니다. 현재 TensorFlow Lite 코어 인터프리터는 크기가 겨우 75KB에 불과하며(TensorFlow는 1.1 MB), 양자화 이미지 분류 모델을 실행할 경우 TensorFlow 대비 TensorFlow Lite에서 속도가 최대 3배나 빠릅니다.
하드웨어 지원을 위해 이제 TensorFlow가 NVIDIA의 TensorRT와 통합됩니다. TensorRT는 추론을 위해 딥 러닝 모델을 최적화하는 라이브러리이자 프로덕션 환경에서 GPU에 배포하기 위한 런타임을 생성하는 라이브러리입니다. TensorRT는 TensorFlow에 다양한 최적화를 적용하며, 추론 중에 GPU에서 처리량을 최대화하고 지연 시간을 최소화하기 위해 플랫폼별 커널을 자동으로 선택합니다.
TensorFlow를 CPU에서 실행하는 사용자를 위해, 저희는 Intel과의 파트너십을 통해 딥 러닝을 위한 고도로 최적화된 Intel MKL-DNN 오픈소스 라이브러리와의 통합을 제공하고 있습니다. Intel MKL-DNN을 사용할 경우, 다양한 Intel CPU 플랫폼에서 추론 속도가 최대 3배까지 빨라지는 것으로 판명되었습니다.
TensorFlow를 실행하는 플랫폼 목록이 Cloud TPU를 포함하도록 확장되었으며, 지난 달에 베타 버전이 출시되었습니다. Google Cloud TPU 팀은 출시 이후 이미 1.6배 향상된 ResNet-50 성능을 선보이고 있습니다. 이러한 성능 개선은 곧 출시될 1.8 릴리스를 통해 TensorFlow 사용자에게 제공될 것입니다.
TensorFlow를 사용하여 새로운 애플리케이션과 도메인 지원
많은 데이터 분석 문제들은 통계 및 확률 메서드를 사용하여 해결됩니다. 딥 러닝과 신경망 모델을 넘어 이제 TensorFlow는 TensorFlow Probability API를 통해 베이지안 분석을 위한 최신 메서드를 제공합니다. 이 라이브러리에는 확률 분포, 샘플링 메서드, 새로운 측정항목 및 손실과 같은 빌딩 블록이 포함됩니다. 기존의 다른 여러 ML 메서드에 대한 지원도 강화되었습니다. 예를 들어, 사전 제작된 고수준 클래스를 사용하여 향상된 의사결정 트리를 쉽게 학습하고 배포할 수 있습니다.
머신러닝과 TensorFlow는 다양한 여러 분야에서 어려운 문제들을 이미 해결했습니다. TensorFlow가 지대한 영향을 미치는 또 다른 분야로는 유전체학이 있습니다. 저희가 TensorFlow에서 사용하기 위해 일반적인 유전체학 파일 형식을 읽고 쓰고 필터링하는 라이브러리인 Nucleus를 출시하는 이유는 이 때문입니다. 이와 함께 DeepVariant(게놈 변형을 검색하기 위한 오픈소스 TensorFlow 기반 도구)는 유전체학에서 새로운 연구와 발전을 촉진하도록 도와줄 것입니다.
커뮤니티 리소스와 참여 확대
TensorFlow에 대한 이러한 업데이트의 목적은 사용자 및 기고자 커뮤니티를 활용하고 성장시키는 것입니다. 이 커뮤니티에서 수천 명의 사람들이 TensorFlow를 전세계에서 가장 인기있는 ML 프레임워크 중 하나로 만들기 위해 노력하고 있습니다. 커뮤니티에 지속적으로 참여하고 TensorFlow를 최신 상태로 유지하기 위해 저희는 새로운 공식 TensorFlow 블로그와 TensorFlow YouTube 채널을 출시했습니다. 또한 저희 커뮤니티가 더욱 쉽게 공동 작업을 수행할 수 있도록 특정 프로젝트에서 오픈소스 작업을 지원하도록 고안된 새 메일링 리스트와 SIG(Special Interest Groups)를 공개할 예정입니다. 커뮤니티의 일원이 되는 방법에 대해 알아보려면 TensorFlow 커뮤니티 페이지를 방문하시고, 또한 항상 그렇듯이 Twitter에서 TensorFlow를 팔로우하여 최신 뉴스를 받아보세요. 지난 2년 동안 TensorFlow가 성공적인 ML 프레임워크가 되도록 도와주신 모든 분들께 진심으로 감사드립니다. 참여하고 시청해주셔서 감사드립니다. #MadeWithTensorFlow를 사용하여 머신러닝 및 TensorFlow와 관련된 영향력 있고 도전적인 문제를 해결하는 방법을 공유하는 것을 잊지 마십시오!