TensorFlow 소개
TensorFlow를 사용하면 초보자와 전문가가 데스크톱, 모바일, 웹 및 클라우드용 기계 학습 모델을 쉽게 만들 수 있습니다. 시작하려면 아래 섹션을 참조하세요.
모바일 및 엣지용
Android, iOS, Edge TPU, Raspberry Pi와 같은 모바일 및 임베디드 기기에서 TensorFlow Lite로 추론을 실행하세요.
TensorFlow 에코시스템으로 모델 빌드 및 미세 조정
모델 구성, 교육 및 내보내기를 간소화하는 Core 프레임워크 를 기반으로 구축된 전체 에코시스템을 살펴보십시오. TensorFlow는 분산 교육, 즉각적인 모델 반복 및 Keras 를 사용한 손쉬운 디버깅 등을 지원합니다. 모델 분석 및 TensorBoard 와 같은 도구는 모델의 수명 주기를 통해 개발 및 개선을 추적하는 데 도움이 됩니다.
시작하는 데 도움이 되도록 TensorFlow Hub 에서 Google 및 커뮤니티의 사전 학습된 모델 컬렉션을 찾아보거나 Model Garden 에서 최첨단 연구 모델 구현을 찾으세요. 이러한 고급 구성 요소 라이브러리를 사용하면 강력한 모델을 가져와 새 데이터에 대해 미세 조정하거나 새 작업을 수행하도록 사용자 지정할 수 있습니다.
온디바이스, 브라우저, 온프레미스 또는 클라우드에 모델 배포
TensorFlow는 서버, 에지 장치, 브라우저, 모바일, 마이크로컨트롤러, CPU, GPU, FPGA 등 모든 환경에서 모델을 배포할 수 있는 강력한 기능을 제공합니다. TensorFlow Serving 은 Google의 맞춤 TPU(Tensor Processing Unit)를 포함하여 세계에서 가장 진보된 프로세서에서 프로덕션 규모로 ML 모델을 실행할 수 있습니다.
지연 시간을 줄이고 데이터 개인 정보 보호를 개선하기 위해 소스에 가까운 데이터를 분석해야 하는 경우 TensorFlow Lite 프레임워크를 사용하면 모바일 장치, 에지 컴퓨팅 장치 및 마이크로 컨트롤러에서 모델을 실행할 수 있으며 TensorFlow.js 프레임워크를 사용하면 다음을 사용하여 기계 학습을 실행할 수 있습니다. 그냥 웹 브라우저.
Colab에서 사용해 보기
TensorFlow Serving으로 모델 제공프로덕션 ML을 위한 MLOps 구현
TensorFlow 플랫폼은 데이터 자동화, 모델 추적, 성능 모니터링, 모델 재교육을 위한 모범 사례를 구현하는 데 도움이 됩니다.
제품, 서비스 또는 비즈니스 프로세스의 수명 주기 동안 모델 교육을 자동화하고 추적하기 위해 프로덕션 수준 도구를 사용하는 것은 성공에 매우 중요합니다. TFX 는 전체 MLOps 배포를 위한 소프트웨어 프레임워크 및 도구를 제공하여 시간이 지남에 따라 데이터와 모델이 발전함에 따라 문제를 감지합니다.
