한국의 개발자들을 위한 Google for Developers 국문 블로그입니다.
TensorFlow 2.0을 출시했습니다.
2019년 10월 10일 목요일
<블로그 원문은
이곳
에서 확인하실 수 있으며 블로그 번역 리뷰는 박해선(MachineLearning GDE)님이 참여해 주셨습니다>
올해 초,
TensorFlow Dev Summit
에서 TensorFlow 2.0 알파 버전을 발표했습니다. 기쁜 마음으로 TensorFlow 2.0의 최종 릴리스 출시를 발표합니다.
여기
에서 TensorFlow 2.0의 설치 방법을 알아보세요.
TensorFlow 2.0은 커뮤니티의 주도로 나온 결과물입니다. 사용자들이 원하는 유연하고 강력하며 어떤 플랫폼에도 배포 가능한 사용하기 간편한 플랫폼입니다. TensorFlow 2.0은 최신 머신러닝 기술을 추구하고 확장 가능한 ML 기반 애플리케이션을 만드는 개발자, 기업, 연구자를 위한 광범위한 도구 생태계를 제공합니다.
TensorFlow 2.0을 사용한 개발
TensorFlow 2.0을 사용하면 ML 애플리케이션을 훨씬 더 쉽게 개발할 수 있습니다.
Keras와 TensorFlow
의 통합,
즉시 실행
(eager execution)(기본 설정), 파이썬 함수 실행(execution)을 통해 TensorFlow 2.0은 Python 개발자에게 최대한 익숙한 애플리케이션 개발 경험을 제공합니다. ML의 경계를 허무는 연구자를 위해 TensorFlow의 저수준 API에 많은 투자를 해왔습니다. 이제 내부에서 사용하는 모든 연산을 외부로 공개하고 변수 및 체크포인트(checkpoint)와 같은 중요한 개념을 위해 상속 가능한 인터페이스를 제공합니다. 이를 통해 TensorFlow를 다시 빌드할 필요 없이 TensorFlow의 내부 구조 위에 시스템을 구축할 수 있습니다.
우리는 클라우드, 웹, 브라우저, Node.js, 모바일 및 임베디드 시스템을 비롯한 다양한 런타임(runtime)에서 모델을 실행할 수 있도록,
SavedModel
파일 형식을 표준화했습니다. 그 덕분에 TensorFlow로 모델을 실행하고,
TensorFlow Serving
으로 모델을 배포하고,
TensorFlow Lite
로 모바일 및 임베디드 시스템에서 모델을 사용하고,
TensorFlow.js
로 브라우저나 Node.js에서 훈련하고 실행할 수 있습니다.
고성능 훈련 시나리오의 경우,
분산 전략(
Distribution Strategy) API
를 사용하여 최소한의 코드 변경만으로 훈련을 분산하고 별도의 구성 없이 바로 우수한 성능을 달성할 수 있습니다. Keras의 Model.fit 메서드와 맞춤 훈련 루프도 분산 훈련을 지원합니다. 현재
다중 GPU 지원
이 제공되며,
여기
서 Google Cloud에서 GPU를 사용하는 방법에 관해 자세히 알아볼 수 있습니다. 향후 릴리스에서 Cloud TPU 지원을 제공할 예정입니다. 자세한 내용은 분산 훈련
가이드
를 확인해 보세요.
TensorFlow 2.0은 GPU에서 성능이 많이 개선되었습니다. 예를 들어
ResNet-50
과
BERT
에서 TensorFlow 2.0은 몇 줄의 코드로 Volta 및 Turing GPU에서 혼합 정밀도(mixed precision)를 사용해 최대 3배 더 빠른 훈련 성능을 제공합니다. TensorFlow 2.0은 TensorRT와 긴밀히 통합되며
향상된 API
를 사용하여 Google Cloud의
NVIDIA T4 Cloud GPU
를 사용한 추론 시 더 나은 사용성과 높은 성능을 제공합니다.
NVIDIA에서 가속 컴퓨팅 소프트웨어 제품 관리 책임을 맡고 있는 Kari Briski 상무이사는 이렇게 말했습니다. "개발자들은 NVIDIA GPU 및 시스템에서 머신러닝을 통해 불과 몇 년 전만 해도 불가능해 보였던 문제들을 해결할 수 있습니다. TensorFlow 2.0은 훌륭한 GPU 가속 기능으로 가득 차 있는데, 커뮤니티에서 향상된 이 도구로 만들어낼 놀라운 AI 애플리케이션을 한시라도 빨리 보고 싶습니다."
TensorFlow에서 모델을 효율적으로 만들기 위해서는 훈련 데이터와 검증 데이터를 손쉽게 얻는 것이 가장 중요합니다. 이를 위해 이미지, 텍스트, 동영상 등의 다양한 데이터 형식을 포함한 방대한 데이터세트에 대한 표준 인터페이스를 제공하는
TensorFlow Datasets
를 제공합니다.
전통적인 Session 기반 프로그래밍 모델이 계속 유지되겠지만, 즉시 실행을 사용한 일반적인 파이썬 개발 방식을 사용하는 것이 좋습니다.
tf.function
데코레이터를 사용하여 코드를 그래프로 변환하여 원격으로 실행하거나 직렬화하고 성능을 최적화할 수 있습니다. 일반적인 파이썬 제어 흐름을 TensorFlow 제어 흐름으로 직접 변환할 수 있는
Autograph
가 이를 보완해 줍니다.
물론, TensorFlow 1.x를 사용자가 2.0으로 이전하기 위한 가이드를 찾고 있다면,
여기
에 알맞은 정보를 게시해 두었습니다. TensorFlow 2.0 릴리스에는 처음 시작할 때 도움이 될만한 자동 변환 스크립트도 포함되어 있습니다.
Google 내부와 TensorFlow 커뮤니티의 많은 사용자와 함께 협력하여 TensorFlow 2.0 기능을 테스트하고 소중한 의견을 통해 많은 도움을 받았습니다. 한 예로서, Google 뉴스 팀은 TensorFlow 2.0으로 BERT 기반의 언어 이해 모델을 출시해
기사 이해 범위를 대폭 넓혔습니다
. TensorFlow 2.0은 새로운 아이디어를 빠르게 구현할 수 있는 유연하고 사용하기 간편한 API를 제공합니다. 모델 훈련과 배포가 기존 인프라에 끊김없이 통합되었습니다.
또한 ML은 파이썬 개발자만을 위한 것이 아닙니다.
TensorFlow.js
를 사용하여 자바스크립트 개발자가 훈련 및 추론 기능을 수행할 수 있으며,
Swift for TensorFlow
라이브러리로 모델을 빌드하기 위한 언어인 Swift에 계속 투자하고 있습니다.
소개할 것이 정말 많습니다. 이를 위해
TensorFlow 2.0의 모든 새로운 기능을 효과적으로 활용하는 방법
에 관한 편리한 가이드를 만들었습니다. TensorFlow 2.0을 보다 더 쉽게 시작할 수 있도록, 우리는
여기
에서 2.0 API를 사용하여 널리 사용되는 여러 가지 ML 모델의 참조 구현을 제공합니다.
그뿐 아니라,
deeplearning.ai
및
Udacity
와 함께 만든 온라인 과정을 확인해 보면 TensorFlow 2.0을 사용하여 애플리케이션을 빌드하는 방법을 배울 수 있습니다.
빨리 시작하려면
Google Cloud의 딥러닝 VM 이미지
를 사용하세요. TensorFlow 2.0 딥러닝 프로젝트를 만드는데 도움이 되도록 사전 구성된 가상 머신으로, 따로 설정할 필요가 없습니다.
자세히 알아보기
TensorFlow 2.0을 다운로드하고 ML 애플리케이션 코딩을 시작하는 방법을 비롯하여, TensorFlow 2.0에 관한 자세한 내용은
tensorflow.org
에서 확인할 수 있습니다. 마지막으로, TensorFlow 2.0과 관련 생태계에 관해 더욱 흥미진진한 각종 발표, 강연, 실습 교육, 프레젠테이션 등을 원하시면, 10월 28일~31일에 캘리포니아 산타클라라에서 열리는
TensorFlow World
에 직접 참가해보세요. 그때 만날 수 있으면 좋겠습니다!
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
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