Эта страница была переведа с помощью Cloud Translation API.
Switch to English

Повестка дня 2020

The 2020 TensorFlow Dev Summit will be a one-day livestream on March 11th, 2020.
All times are Pacific Daylight Time (UTC-07:00).

Note that actual times may vary ±5 minutes. Additional talks will be posted to the TensorFlow YouTube Channel in the days after the event.
9:00 УТРА Прямая трансляция начинается
9:30 утра лейтмотив Меган Качолия

Кемаль Эль Муджахид

Манаси Джоши
9:55 утра Учимся читать с TensorFlow и Keras

Обработка естественного языка (NLP) достигла критической точки, и этот доклад покажет вам, как TensorFlow и Keras упрощают предварительную обработку, обучение и гипертонструкцию текстовых моделей.

Пейдж Бейли
10:15 утра TensorFlow Hub: упрощение поиска моделей

TF Hub - это главный репозиторий моделей машинного обучения. В этом докладе рассматриваются все новые функции и то, как они могут сделать ваше путешествие по поиску моделей еще лучше.

Сандип Гупта
10:25 утра Совместное машинное обучение с TensorBoard.dev

Обмен результатами экспериментов - важная часть процесса машинного обучения. Этот доклад показывает, как TensorBoard.dev может включить совместное машинное обучение, упрощая публикацию результатов экспериментов в вашей статье, блоге, социальных сетях и т. Д.

Гал Ошри
10:30 утра Переход Kagglers на TPU с TF 2.x

Недавно Kaggle представил поддержку TPU через свою платформу для соревнований. Этот доклад касается того, как конкуренты Kaggler перешли с графического процессора на использование TPU, сначала в Colab, а затем в ноутбуках Kaggle.

Джулия Эллиотт
10:35 утра Профилирование производительности в TF 2

В этом выступлении представлен профилировщик, который Google использует внутри компании для исследования производительности TF на платформах, включая GPU, TPU и CPU.

Цюминь Сюй
10:45 утра Возможный блок вопросов и ответов

Воспользуйтесь функцией LiveChat в прямом эфире, так как члены команды TensorFlow будут отвечать в чате в режиме реального времени. Если у нас будет дополнительное время в прямом эфире, мы ответим на несколько вопросов в прямом эфире.

Все выступающие на данный момент
10:55 утра Перерыв
11:20 утра Исследования с TensorFlow

В этом докладе мы рассмотрим некоторые интересные особенности TF, которые могут быть полезны при проведении исследований.

Александр Пассос
11:35 утра Дифференцируемые выпуклые слои оптимизации

Задачи выпуклой оптимизации используются для решения многих проблем в реальном мире. До сих пор их было сложно использовать в конвейерах TensorFlow. Этот доклад представляет cvxpylayers, пакет, который упрощает встраивание задач выпуклой оптимизации в TensorFlow, позволяя вам настраивать их с помощью градиентного спуска.

Акшай Агравал, Стэнфордский университет
11:40 утра Масштабирование обработки данных Tensorflow с помощью tf.data

По мере того, как обучение модели становится более распределенным по своей природе, tf.data эволюционировала, чтобы лучше учитывать распределение и повышать производительность. В этом докладе представлены инструменты tf.data для масштабирования обработки данных TensorFlow. В частности: служба tf.data, которая позволяет вашему конвейеру tf.data работать на кластере машин, и tf.data.snapshot, который материализует результаты на диск для повторного использования в нескольких вызовах.

Рохан Джайн
11:55 утра Масштабирование моделей TensorFlow 2 для многопользовательских графических процессоров

В этом выступлении демонстрируется несколько улучшений производительности в TensorFlow 2.2 для ускорения и масштабирования рабочей нагрузки по обучению машинному обучению пользователей до многопользовательских и нескольких графических процессоров. Мы пройдемся по оптимизации, используя задачу тонкой настройки BERT в саду моделей TF, написанную с использованием настраиваемого цикла обучения.

Цзунвэй Чжоу
12:10 вечера Максимальное использование Colab

Узнайте советы и рекомендации от команды Colab. Этот доклад описывает, как пользователи TensorFlow максимально используют Colab, и заглядывает за кулисы, чтобы увидеть, как работает Colab.

Тимофей Новиков
12:15 вечера TensorFlow и машинное обучение из окопов: Центр инновационного опыта в Лаборатории реактивного движения

Крис Маттманн расскажет, как Центр инновационного опыта JPL в офисе главного информационного директора поддерживает расширенную аналитику, искусственный интеллект и машинное обучение с помощью TensorFlow для Smarter Rovers, Smarter Campus и не только!

Крис Маттманн, НАСА
12:25 вечера Возможный блок вопросов и ответов

Воспользуйтесь функцией LiveChat в прямом эфире, так как члены команды TensorFlow будут отвечать в чате в режиме реального времени. Если у нас будет дополнительное время в прямом эфире, мы ответим на несколько вопросов в прямом эфире.

Выступающие с перерыва и далее
12:35 вечера Перерыв
13:40 MLIR: ускорение TF с помощью компиляторов

В этом выступлении будет описана MLIR - инфраструктура компилятора машинного обучения для TensorFlow и объяснено, как она помогает TensorFlow быстрее масштабироваться для удовлетворения потребностей быстро развивающегося программного и аппаратного обеспечения машинного обучения.

Жак Пиенаар
13:50 TFRT: новая среда выполнения TensorFlow

TFRT - это новая среда выполнения для TensorFlow. Используя MLIR, он нацелен на обеспечение унифицированного, расширяемого уровня инфраструктуры с лучшей в своем классе производительностью на широком спектре аппаратного обеспечения для конкретной предметной области. Этот подход обеспечивает эффективное использование многопоточных центральных процессоров, поддерживает полностью асинхронные модели программирования и ориентирован на низкоуровневую эффективность.

Mingsheng Hong
14:00 TFX: производственное машинное обучение с TensorFlow в 2020 году

Узнайте, как рабочая платформа машинного обучения Google, TFX, изменится в 2020 году.

Трис Варкентин

Чжитао Ли
14:25 TensorFlow Enterprise: создание TensorFlow с помощью Google Cloud

TensorFlow Enterprise делает ваши приложения TensorFlow готовыми к работе с помощью ряда улучшений в TensorFlow в Google Cloud. Он открывает доступ к данным и моделям облачного масштаба, упрощая разработку критически важных для бизнеса приложений машинного обучения от прототипа до производства. Вместе мы решаем самую сложную часть корпоративного машинного обучения в производстве.

Макото Учида
14:35 TensorFlow Lite: ML для мобильных устройств и устройств Интернета вещей

Узнайте о том, как развернуть машинное обучение на мобильных телефонах и встроенных устройствах. Сейчас она развернута на миллиардах производственных устройств - это лучшая в мире кроссплатформенная среда машинного обучения для мобильных устройств и микроконтроллеров. Следите за нашими новыми захватывающими объявлениями.

Тим Дэвис

TJ Alumbaugh
14:55 Жаккард: плавное встраивание машинного обучения в повседневные предметы

Jacquard - это платформа окружающих вычислений на основе машинного обучения, которая берет обычные, знакомые объекты и улучшает их с помощью новых цифровых возможностей и опыта, оставаясь при этом верной своей первоначальной цели. Мы расскажем, как мы обучили и развернули модели машинного обучения с ограниченными ресурсами, которые легко встраиваются в повседневную одежду и аксессуары; например, ваша любимая куртка, рюкзак или пара обуви, которую вы любите носить.

Николас Джиллиан
15:05 TensorFlow.js: машинное обучение для Интернета и не только

TensorFlow.js - это платформа для обучения и развертывания моделей машинного обучения в браузерах или везде, где может работать Javascript, например на мобильных устройствах, платформе мини-приложений WeChat и Raspberry Pi. Он предоставляет несколько серверных частей, включая серверную часть CPU, GPU, Node и WASM. Он также предоставляет коллекцию предварительно обученных моделей, включая два новейших дополнения: MobileBERT и FaceMesh.

На Ли
15:15 Возможный блок вопросов и ответов

Воспользуйтесь функцией LiveChat в прямом эфире, так как члены команды TensorFlow будут отвечать в чате в режиме реального времени. Если у нас будет дополнительное время в прямом эфире, мы ответим на несколько вопросов в прямом эфире.

Выступающие с перерыва и далее
15:25 Перерыв
15:45 Участие в сообществе TF

Узнайте, как стать частью растущей экосистемы TensorFlow и внести свой вклад с помощью кода, документации, образования или руководства сообществом.

Жоана Карракейра
15:55 Ответственный ИИ с TensorFlow: справедливость и конфиденциальность

Представляем концепцию машинного обучения, справедливости и конфиденциальности. В этом выступлении будет предложен рабочий процесс машинного обучения с учетом справедливости, показано, как инструменты TensorFlow, такие как индикаторы справедливости, можно использовать для обнаружения и смягчения предвзятости, а затем будет выполнен переход к конкретному тематическому исследованию, касающемуся конфиденциальности, которое проведет участников через несколько частей инфраструктуры. которые могут помочь обучить модель с сохранением конфиденциальности.

Катерина Сюй

Мигель Гевара
16:20 TensorFlow Quantum: программная платформа для гибридного квантово-классического машинного обучения

Мы представляем TensorFlow Quantum, библиотеку с открытым исходным кодом для быстрого прототипирования новых гибридных квантово-классических алгоритмов машинного обучения. Эта библиотека расширит сферу применения текущего машинного обучения в рамках TensorFlow и предоставит необходимый набор инструментов для объединения сообществ исследователей квантовых вычислений и машинного обучения для управления и моделирования квантовых данных.

Масуд Мохсени
16:45 Объявление о закрытии