한국의 개발자들을 위한 Google for Developers 국문 블로그입니다.
새로운 TensorFlow Hub 웹 경험
2019년 1월 24일 목요일
<블로그 원문은
이곳
에서 확인하실 수 있습니다>
게시자: André Susano Pinto(TensorFlow Hub 기술 총괄) 및 Clemens Mewald(제품 관리자)
이전 게시물
에서 TensorFlow의 머신러닝 모듈 일부를 발표, 발견, 재사용할 수 있는 플랫폼인 TensorFlow Hub에 대해 다루었습니다. 이 플랫폼의 중요한 점은 바로 웹 경험으로, 이를 통해 개발자들은 자신의 사용 사례를 위한 TensorFlow 모듈을 발견할 수 있습니다. TensorFlow Hub를 위한
새로운 웹 경험
을 출시할 예정으로, 이를 통해 검색 및 찾기는 더 쉬워지고 다중 게시자 플랫폼은 더욱 견고해집니다.
모듈 탐색 및 찾기
그림 1:
새로운 웹 경험
을 통해 모듈 세부사항을 알고, tfhub.dev URL에 더욱 쉽게 액세스할 수 있게 되며, 가능한 곳에서 Colab 노트북에 직접 연결할 수 있게 됩니다.
TensorFlow Hub는 재사용할 수 있는 ML을 공유하는 플랫폼으로서, 당사는 연구원들과 개발자들이 더 방대한 커뮤니티에서 작업을 공유할 수 있도록 하는 것을 비전으로 삼고 있습니다.
범용 문장 인코더 모듈
은 기초가 되는 머신러닝 기술부터 더 광범위한 개발자 커뮤니티의 애플리케이션까지 번역을 가속화할 수 있는 성공적인 예시입니다.
문서
에는 모듈의
tfhub.dev URL
이 참조용으로 나와 있습니다. URL을 복사해 브라우저에 붙여넣으면 모듈의 세부 페이지로 이동하며, 게시자들은 거기에서 문서 및
Colab 노트북
링크를 공유해 모듈을 시험해볼 수 있습니다. 범용 문장 인코더는 TF Hub에서 가장 인기 있는 모듈 중 하나로 자리매김하고 있습니다.
검색 및 필터
그림 2: 스페인어 데이터를 사용하여 트레이닝 한 텍스트 임베딩 찾기
예상하시는 대로, TF Hub에서 모듈을 검색하고 필터링할 수 있습니다. 발생한 문제에 텍스트 모듈을 적용할 수 있는 가능성은 트레이닝 된 데이터에 좌우됩니다. 위의 예시에서는 얼마나 쉽게 텍스트 임베딩을 검색하고 스페인어로 필터링하여
스페인어 데이터에서 트레이닝 한 NNLM 모듈
을 찾을 수 있는지 보여줍니다.
더 쉬워진 대상 인식
당사는
Google AI Perception
팀에서 개발한 새로운 모듈로 TensorFlow Hub 인벤토리를 지속적으로 확장하고 있습니다. 최근 추가된 사항은
공개 이미지 v4에서 트레이닝 된 FasterRCNN
입니다. 모듈은 한 줄의 코드로 로드하여 대상 인식을 수행하는 데 사용할 수 있습니다:
detector = hub.Module(
“https://tfhub.dev/google/faster_rcnn/openimages_v4/inception_resnet_v2/1"
)
당사는 이 모듈로 사용자가 모듈을 로드하고 그 출력을 점검할 수 있도록 하는
Colab 노트북
을 게시했습니다. 아래는 unsplash.com 및 인식된 대상에서 얻은 이미지 예시입니다.
그림 3: TF 모듈을 적용하기 위해 사용된 이미지(
크레딧
)
Colab 노트북
은 단 몇 분 안에 모듈을 다운로드하고 적용할 수 있도록 보여줍니다.
그림 4: 모듈로 추론할 수 있는 경계 상자 및 클래스
최근 TensorFlow Hub 관련 추가 사항:
iNaturalist Kaggle Challenge 2017
의 우승자들은
그들의 접근 방식을 보여주는 문서 자료
를 게시하고,
TensorFlow Hub
에 모델을 출시하여 전이학습의 장점을 보여주었습니다.
TensorFlow Hub 팀의
Jeremiah Harmsen
은
Kaggle의 예시를 게시하여
Kaggle
에서 감정 분석 도전 과제를 해결하는 데 TensorFlow Hub에서 사전 트레이닝 된 모듈이 어떻게 활용될 수 있는지를 설명했습니다.
제품 팀을 위한 TensorFlow Hub
https://tfhub.dev
에 게시된 모듈 소모 외에도, TensorFlow Hub 라이브러리를 통해 사용자는 비공개 저장소에 모듈을 게시하고 그곳의 모듈을 소모할 수 있습니다. 이로써 팀 간 모듈을 공유하고, 서로의 작업에서 이득을 얻을 수 있게 됩니다.
tfhub.dev URL에서 모듈을 참조하는 대신 다음 파일시스템 경로를 사용할 수 있습니다:
m = hub.Module(“/tmp/text-embedding”)
embeddings = m(sentences)
이들 사용자 설정 임베딩을 생성하려면
“모듈 생성하기” 가이드
를 참조하세요.
시작 방법
새로운 웹 경험을 이용하려면
https://tfhub.dev
를, 최신 가이드와 API 문서를 보려면
https://www.tensorflow.org/hub/
를 확인하세요. 버그 문제가 있으면
GitHub에서 문의
할 수 있습니다. 관련 소식을 받으려면
GitHub 프로젝트
를 시작하세요.
감사의 말
Bo Fu, Andrew Gasparovic, Jiaqi Guo, Jeremiah Harmsen, Joshua Horowitz, Zicheng Huo, Elizabeth Kemp, Noé Lutz, Till Pieper, Graham Smith, Sijie Wang 그리고 Sitong Zhou 님께 감사를 전합니다.
Contents
ML/Tensorflow
Android
Flutter
Web/Chrome
Cloud
Google Play
Community
Game
Firebase
검색
Tag
인디게임페스티벌
정책 세미나
창구프로그램
AdMob
AI
Android
Android 12
Android 12L
Android 13
Android 14
Android Assistant
Android Auto
Android Games
Android Jetpack
Android Machine Learning
Android Privacy
Android Studio
Android TV
Android Wear
App Bundle
bootcamp
Business
Chrome
Cloud
Community
compose
Firebase
Flutter
Foldables
Game
gdg
GDSC
google
Google Developer Student Clubs
Google Play
Google Play Games
Interview
Jetpack
Jetpack Compose
kotlin
Large Screens
Library
ma
Material Design
Material You
ML/Tensorflow
mobile games
Now in Android
PC
Play Console
Policy
priva
wa
wear
Wearables
Web
Web/Chrome
Weeklyupdates
WorkManager
Archive
2024
12월
11월
10월
9월
8월
7월
6월
5월
4월
3월
2월
1월
2023
12월
11월
10월
9월
8월
7월
6월
5월
4월
3월
2월
1월
2022
12월
11월
10월
9월
8월
7월
6월
5월
4월
3월
2월
1월
2021
12월
11월
10월
9월
8월
7월
6월
5월
4월
3월
2월
1월
2020
12월
11월
10월
9월
8월
7월
6월
5월
4월
3월
2월
1월
2019
12월
11월
10월
9월
8월
7월
6월
5월
4월
3월
2월
1월
2018
12월
11월
10월
9월
8월
7월
6월
5월
4월
3월
2월
1월
2017
12월
11월
10월
9월
8월
7월
6월
5월
4월
3월
2월
1월
2016
12월
11월
10월
9월
8월
7월
6월
5월
4월
3월
2월
1월
2015
12월
11월
10월
9월
8월
7월
6월
5월
4월
3월
2월
1월
2014
12월
11월
10월
9월
8월
7월
6월
5월
4월
3월
2월
1월
2013
12월
11월
10월
9월
8월
7월
6월
5월
4월
3월
2월
1월
2012
12월
11월
10월
9월
8월
7월
6월
5월
3월
2월
1월
2011
12월
11월
Feed