TensorFlow の概要
TensorFlow を利用すると、パソコン、モバイル、ウェブ、およびクラウドで使える機械学習モデルを、エキスパートはもちろん初心者でも簡単に作成できます。まずは以下の各セクションをご確認ください。
モバイルおよびエッジ向け
Android、iOS、Edge TPU、Raspberry Pi などのモバイル デバイスや組み込みデバイスで、TensorFlow Lite を使用して推論を実行します。
機械学習のためのエンドツーエンドのプラットフォーム
適切な ML 結果を得るためのデータを準備して読み込む
ML の取り組みを成功させるための最も重要な要素は、おそらくデータです。 TensorFlow には、大規模なデータの集約、クリーンアップ、前処理を行うのに役立つさまざまなデータツールが用意されています:
-
初期トレーニングと検証のための標準データセット
-
データ読み込みのための拡張性の高いデータ パイプライン
-
一般的な入力変換のための前処理レイヤ
-
さらに、責任ある AI ツールを使用すると、データのバイアスを見つけて削除し、モデルから公正で倫理的な結果を得ることができます。
TensorFlow エコシステムを使用し、モデルを構築して微調整する
モデルの構築、トレーニング、エクスポートを効率化するコア フレームワーク上に構築されたエコシステム全体を学びます。TensorFlow は、Keras を使用した分散トレーニング、モデルの即時反復、簡単なデバッグなどをサポートしています。モデル分析、TensorBoard などのツールを使用すると、モデルのライフサイクルを通じて開発と改善の状況を追跡できます。
すぐに使い始めるには、TensorFlow Hub にアクセスして Google やコミュニティから事前トレーニング済みのモデルのコレクションを見つけるか、Model Garden にアクセスして、最先端の研究モデルの実装を確認してください。これらの上位コンポーネントのライブラリから高度なモデルを取得し、新しいデータに合わせて微調整したり、カスタマイズして新しいタスクを実行したりできます。
モデルをデバイス、ブラウザ、オンプレミス、クラウドでデプロイする
TensorFlow は、サーバー、エッジデバイス、ブラウザ、モバイル、マイクロコントローラ、CPU、GPU、FPGA など、あらゆる環境にモデルをデプロイできる堅牢な機能を提供します。TensorFlow Serving では、Google のカスタム Tensor Processing Units(TPU)などの世界水準のプロセッサにおいて、機械学習モデルを本番環境規模で実行できます。
レイテンシを短縮し、データ プライバシーを改善するために、データをソースの近くで分析する必要がある場合、TensorFlow Lite フレームワークを使用して、モバイル デバイス、エッジ コンピューティング デバイス、マイクロコントローラでモデルを実行できます。ウェブブラウザのみであれば、TensorFlow.js フレームワークを使用して、機械学習を実行できます。
Colab で試す
TensorFlow Serving を使用してモデルを提供する本番環境 ML 用の MLOps を実装する
TensorFlow プラットフォームは、データの自動化、モデルの追跡、パフォーマンスのモニタリング、モデルの再トレーニングのためのベストプラクティスを実装するのに役立ちます。
本番環境レベルのツールを使用し、プロダクト、サービス、ビジネス プロセスのライフタイム全体でモデル トレーニングを自動化して追跡することは、成功に欠かせない要素です。TFX は MLOps を完全にデプロイするためのソフトウェア・フレームワークとツールを提供し、時間の経過とともに進化するデータとモデルの問題を検出できます。
ML に関する知識を広げましょう
TensorFlow は、機械学習の原理と核となるコンセプトに関する基本的な知識があれば簡単に利用できます。機械学習の基本的な使い方を学習し、実践することで、スキルを身に付けましょう。