한국의 개발자들을 위한 Google for Developers 국문 블로그입니다.
2019 TensorFlow Dev Summit 요약
2019년 3월 15일 금요일
<블로그 원문은
이곳
에서 확인하실 수 있으며 블로그 번역 리뷰는
전태균(MachineLearning GDE)
님이 참여해 주셨습니다>
게시자: Fred Alcober,
Sandeep Gupta
(TensorFlow 팀을 대표하여 작성함)
TensorFlow는 2019년 3월 6일과 7일에 캘리포니아주 서니베일에서 제3회 연례
Developer Summit
을 개최했으며, 역대 최대 규모로 치러졌습니다. 올해 행사에는 약 1,000명의 머신러닝 전문가와 애호가가 참석했고 수만 명이
라이브스트림을 통해 행사 내용을 시청
했습니다.
TensorFlow는 출시 후 3년 만에 전체 머신러닝(ML) 생태계 구석구석까지 충분히 성숙하여, 오늘날 우리가 주변에서 눈으로 직접 목격하고 있는 ML 혁명의 원동력이 되고 있습니다. TensorFlow는 4,100만 회 이상 다운로드되었고 전 세계적으로 1,800여 명의 기여자를 보유하고 있습니다. 종합적인 ML 플랫폼인 TensorFlow는 현업 실무자, 연구자, 신규 사용자 등 다양한 계층의 개발자가 AI로 다양한 난제를 해결하기 위한 새롭고 놀라운 솔루션을 빌드하는 데 도움을 주고 있습니다. 예를 들자면:
델리의 학생들이
대기질 변화를 탐지
하기 위한 모바일 앱을 빌드했습니다.
Twitter의 엔지니어들이 사용자에게
가장 관련성 높은 콘텐츠를 제공
하고 있습니다.
GE Healthcare의 물리학자들이
MRI를 더욱 재현 가능하고 정확하게
만들고 있습니다.
Developer Summit에서 우리는 TensorFlow 2.0 시대의 시작을 알리고 더 많은 개발자와 연구자에게 TensorFlow의 강력한 기능을 제공하여 과거 그 어느 때보다도 수월하게 ML을 빌드하고 사용할 수 있게 해주는
TensorFlow 2.0의 알파 릴리스
를 발표했습니다. 오픈소스 협업의 증진과 다음 세대의 신규 사용자 교육을 돕기 위해 O’Reilly Media, Udacity, Deeplearning.ai on Coursera, fast.ai와 함께하는 새로운 커뮤니티 파트너십과 교육 이니셔티브도 발표했습니다. 또한 커뮤니티 구성원의 의견을 청취하고 개발자 문서를 완전히 업데이트했으며, 각종 자료와 정보에 훨씬 더 쉽게 접근할 수 있도록
tensorflow.org
를 다시 디자인하기도 했습니다.
TensorFlow 팀의 기술적 업데이트 외에, 우리는 한 차례의 라이트닝 토크 라운드에서 놀라운 애플리케이션을 선보인 많은 사용자로부터 의견을 듣기도 했습니다. 또한 해커 룸, 주제별 세션, 워크숍도 주최했는데, 이 자리에서 참석자들은 TensorFlow 팀과 대화하고 궁금한 점에 대한 대답을 듣고 서로에게서 배우고 정보를 공유했습니다.
다음은 이번 행사의 하이라이트와 주요 발표 내용입니다.
사용 편의성
TensorFlow 2.0에서는 모든 사용자를 위해 더욱 단순하고 직관적이며 자연스러운 API를 만드는 데 가장 주력했습니다. 우리는 API 컴포넌트가 대부분의 사용자에게 권장되는 상위 레벨 API인 tf.keras와 더욱 나은 방식으로 통합하도록 만들고 있습니다. 이를 통해 개발자는 내부 데이터화, 변환, 모델 빌드, 훈련 및 저장에서 배포로 훨씬 더 쉽게 진행할 수 있을 것입니다. 우리는 TensorFlow에서 쉽게 사용하기 위해 준비되고 공통적으로 사용되는 ML 데이터세트 모음인
TensorFlow Datasets
를 출시했습니다.
<ML을 처음 접한 로마의 개발자들이 TensorFlow를 사용해
고문서학자가 중세 시대의 필사본을 해독하도록 도와주는 모습
>
TensorFlow 2.0 알파 릴리스 외에도, 우리는 1.x 코드에서 2.0으로의 변환에 도움을 드리고자
변환 및 이전 도구
와 문서를 제공하고 있습니다. 새로운
tensorflow.org
웹사이트에서 TensorFlow에 관한 이와 같은 자료, 예제 및 사례 연구와 그 밖의 많은 정보에 접근할 수 있습니다.
실험과 발명을 위한 동력
TensorFlow는 최첨단 연구의 진전 속도를 더욱 높여주고 있습니다. 이는 연구자가 자신의 아이디어를 빠르게 프로토타입으로 만들어 많은 실험을 하고 반복할 수 있게끔 해주는 유연성이 그 출발점입니다. 기본적으로 제공되는 Eager 실행과 같은 TensorFlow 2.0의 새로운 기능, Python 제어 흐름, tf.function을 사용한 Eager 코드의 자동 최적화, 대폭 개선된 오류 메시지와 함께, 우리는 연구원의 개발 환경 향상에 힘쓰고 있습니다.
<로렌스 버클리 내셔널 랩(Lawrence Berkeley National Laboratory)의 NERSC, 오크리지 국립연구소(Oak Ridge National Laboratory) 및 NVIDIA의 연구원들은
기상이변의 영향을 연구
하기 위해 TensorFlow를 사용하여 Summit 슈퍼컴퓨터에서 딥 러닝 애플리케이션을 성공적으로 확장한 공로를 인정받아 고든 벨(Gordon Bell) 상을 수상했습니다.>
머신러닝으로 대규모의 연구를 수행하려면 방대한 병렬 컴퓨팅도 필수적입니다. 우리는 작년 이후로 8대의 V100에서 훈련 속도를 2배 이상 가속해왔습니다. Cloud TPU v2를 사용하여 성능을 1.6배 향상했고 Intel MKL 가속 기술을 통해 추론 속도를 3배 이상 높였습니다. 별도의 구성 없이 기본으로 제공되는 성능을 높이는 것이 TensorFlow 2.0의 큰 주력 영역이자 우리가 최종 릴리스를 향해 나아가는 데 있어 핵심적인 부분입니다.
TensorFlow 생태계는 TensorFlow를 새롭고 유용한 방식으로 확장하는
매우 강력한 부가기능
으로 구성된 대규모 컬렉션을 포함합니다. 우리가 설명한 부가기능 중에는 다음과 같은 것이 포함됩니다.
TensorFlow Federated
: 이번 행사에서
발표
한 분산 데이터를 이용하기 위한 federated learning용 라이브러리
TensorFlow Privacy
:
차등적 개인정보 보호로 모델을 훈련
하는 데 도움이 되는 도구를 이용한 개발의 라이브러리
TensorFlow Probability
: 불확실성 (uncertainty)을 다룬 상태로 예측하고 전문분야 지식 (domain knowledge)을 통합하기 위해 ML 모델에서 확률론적 기법을 사용하기 위한 라이브러리
TensorFlow Agents
: TensorFlow 2.0에서 강화 학습을 위한 라이브러리
Unicode 텍스트
와 형태가 균일하지 않은 데이터에 대해
새로운 RaggedTensor 유형
지원과 같은 텍스트 및 시퀀스 처리의 발전
Mesh TensorFlow
: 연구원이 병렬 처리 기법을 사용하여 엄청난 대규모의 모델을 빌드하고 훈련하기 위한 강력한 라이브러리
DeepMind
의
Sonnet
: 연구 실험실에서 TensorFlow의 모듈식 프레임워크와 확장 가능한 프레임워크를 기반으로 자체적인 라이브러리를 빌드할 수 있는 방법의 사례
임의의 플랫폼에서 임의의 언어를 사용한 프로덕션
모델을 연구 단계에서 제품 단계로 발전시키는 것이 늘 TensorFlow의 핵심 강점이자 중점 과제였습니다. TensorFlow를 사용하여 서버와 같은 여러 가지 플랫폼, 클라우드, 모바일 및 기타 에지 기기, 브라우저 그리고 다른 많은 자바스크립트 플랫폼에 모델을 배포할 수 있습니다.
<Airbnb의 엔지니어는 TensorFlow를 사용하여
하루에도 대규모로 업로드되는 수백만 개의 주택 이미지를 정확하게 분류하고 있습니다.
>
프로덕션용 TensorFlow
TensorFlow Extended(TFX)
는 사용자가 전체 머신러닝 라이프사이클을 관리할 수 있는 기능을 제공합니다. TFX에는 여러 개의 컴포넌트 라이브러리가 있으며 우리는 이런 컴포넌트에서 새로운 기능들을 발표했지만, 더 중요한 점은 새로운 조정 지원을 통해 그 모든 것을 한데 모아 완전히 통합된 플랫폼을 사용자에게 제공할 수 있다는 점입니다(
여기
에서 예시 참조). 자체적인 Orchestrator를 위한 지원이 제공되므로, TFX 컴포넌트가 메타데이터 저장소와 통합됩니다. 이 저장소는 모든 컴포넌트 실행, 이런 실행 상태로 들어간 아티팩트, 생성된 아티팩트를 계속 추적합니다. 그 덕분에 프로덕션 사용 사례를 크게 개선해 줄 실험 추적, 모델 비교 등의 고급 기능을 사용할 수 있습니다.
모바일 및 IoT용 TensorFlow
모바일 및 임베디드 시스템에서 모델을 실행하기 위한 우리의 솔루션인
TensorFlow Lite
는 전 세계적으로 폭발적으로 성장하여 현재 20억 대 이상의 휴대기기에서 실행 중으로, 기기에서의 차세대 ML을 주도하고 있습니다. 이 솔루션은 특히 사용자가 예측 텍스트 생성, 이미지 분류, 물체 감지, 음성 인식, TTS(텍스트 음성 변환) 및 STT(음성 텍스트 변환) 인식, 동영상 세그먼테이션, 에지 검출과 같은
사용 사례
를 해결하는 데 도움이 됩니다.
우리는 이번 행사에서 Alibaba XianYuin 및 Netease와 같은 글로벌 인터넷 회사가 어떻게 TensorFlow Lite를 사용해 사용자에게 더 나은 애플리케이션 환경을 제공하고 있는지 들었습니다. 또한 TensorFlow Lite의
놀랍도록 뛰어난 ML 성능
과 TensorFlow Lite가 어떻게 Search, Assistant, Photos 및 Pixel과 같은 방대한 Google 애플리케이션 제품군에서 ML을 구동하는지에 관해 얘기했습니다.
최적화(즉, 양자화)
및
성능(즉, GPU 가속)
에 대한 집중도 증가와 함께, TensorFlow Lite의 일반적인 사용성과 모델 변환 기능에 대한 중대한 개선이 이루어졌습니다. 우리는 또한 TensorFlow Lite가 에지에서 머신러닝을 구동하고 플랫폼에서 IoT를 구동하는(예:
Coral TPU
및
마이크로컨트롤러 보드
(MCU)) 방식도 보여주었습니다.
TensorFlow for Javascript
자바스크립트는 가장 많이 사용되는 프로그래밍 언어 중 하나인데, 자바스크립트 개발자는
TensorFlow.js
를 통해 ML을 구현할 수 있습니다. TensorFlow.js는 출시된 이후로 커뮤니티의 뜨거운 호응을 받으며, 300,000회 이상 다운로드되고 기여자가 100여 명에 이르렀습니다. 이번 행사에서 우리는
TensorFlow.js 버전 1.0
을 발표했습니다. 이 릴리스의 주요 특징으로는 상당한 성능 개선(MobileNet v1은 작년에 비해 브라우저에서의 추론 속도가 9배 더 빨라짐), 웹 개발자가 애플리케이션에 통합할 수 있는 다수의 새로운 기성 모델, 자바스크립트가 더 많은 플랫폼에서 실행될 수 있도록 하기 위한 지원 등이 포함됩니다. 무엇보다도 AirBnb 및 Uber와 같은 회사에서는 TensorFlow.js를 프로덕션 환경에서 사용 중이며, TensorFlow.js 프로젝트의 커뮤니티
갤러리
에 매일 새롭고도 놀라운 사용 사례가 등장하는 모습을 목격하고 있습니다.
배포 외에도, 브라우저에서 또는 Node.js 지원을 이용해 자바스크립트로 직접 머신러닝 모델을 빌드하고 훈련하는 데 TensorFlow.js를 사용할 수 있습니다.
Swift for TensorFlow
또한 우리는 새로운
Swift for TensorFlow
패키지로 우리의 발전된 기술을 공유했습니다. 이제 막 버전 0.2를 출시한 상황으로, 사용자는 향상된 사용성을 확인하고 이 새로운 ML 패러다임을 시험해 볼 수 있습니다. Swift를 더욱 수월하게 시작할 수 있도록, 우리는
fast.ai의 Swift for TensorFlow
를 사용하는 새로운 머신러닝 과정을 출범했습니다.
커뮤니티 성장을 위한 노력
TensorFlow의 성공 중 많은 부분은 놀라울 정도로 성장을 거듭하고 있는 사용자 및 개발자 커뮤니티 덕분입니다. 우리는 커뮤니티와 긴밀한 관계를 맺으면서 공개적인
RFC 프로세스
, 다수의 새로운 SIG(Special Interest Group),
Google Developer Expert 커뮤니티
의 피드백과 테스트를 통해 TensorFlow 2.0을 개발했습니다.
새로운
#PoweredByTF
캠페인을 시작했으며 사용자들이 빌드하고 있는 놀라운 새로운 프로젝트를 발견하고 있습니다. 우리는 학생들이 개발 실습을 위해 TensorFlow 엔지니어링 팀과 함께 일할 기회에 응모할 수 있는
Google Summer of Code
프로그램을 발표했습니다. 또한 특히 사용자가 TensorFlow 2.0을 사용하여 앱을 만들고 가장 최근에 만든 가장 훌륭한 앱을 공유할 수 있도록,
DevPost
에 호스팅되는 새로운 Powered by TF Challenge를 출범할 예정입니다.
훌륭한 교육 리소스는 머신러닝 보급과 채택의 관건입니다. 그래서 우리는 초보자와 학생이 TensorFlow를 더 쉽게 시작할 수 있도록 두 가지 새로운 교육 리소스를 발표했습니다. 첫 번째 리소스는 deeplearning.ai의 Course 1 — '
Intro to TensorFlow for AI, ML and DL
'로, Coursera에 호스팅된 'TensorFlow: from Basics to Mastery' 시리즈 중 일부입니다. 두 번째 리소스는 Udacity의
Intro to TensorFlow for Deep Learning
입니다. 두 교육 과정 모두 개발자를 염두에 두고 고안되었고 머신러닝에 대한 사전 경험이 없어도 되며 지금 바로 이용하실 수 있습니다.
마지막으로, 우리는 오픈소스 협업과 TensorFlow와 관련된 모든 것을 증진하고 육성하기 위한 목적으로 새로 마련된 일주일 과정의 컨퍼런스인
TensorFlow World
를 발표했습니다. O’Reilly Media와 TensorFlow가 공동 기획한 이 컨퍼런스는 10월 28일부터 시작되는 주에 캘리포니아주 산타클라라에서 개최됩니다. 우리의 비전은 놀라운 TensorFlow의 세계에 속한 이들을 한 자리에 모아 서로 관계를 맺고 유기적으로 연결할 기회를 드리는 것입니다. 참석자가 흥미로운 TensorFlow 프로젝트 논문을 제출하거나 기업체가 TensorFlow를 사용하는 솔루션을 선보일 수 있도록
제안 요청
기회가 열려 있습니다. 얼른 그곳에서 여러분을 뵙고 싶습니다.
Google은 모든 사용자가 최상의 도구에 접근하여 모든 이가 자유롭게 참여할 수 있을 때 AI 연구와 관련 애플리케이션이 더욱 빠르게 발전할 것이라고
믿습니다
. TensorFlow는 모든 ML 사용자의 역량을 강화하는 데 도움을 드리기 위해 최선을 다하고 있습니다. 모든 사람들이 TensorFlow를 쉽게 사용하고
AI를 유용하게 사용
하도록 커뮤니티와 최대한 협력하겠습니다!
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
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