[エンジニア 情報収集]GDG DevFest OSAKA 2019
TensorFlow Lite, Edge TPU, and Auto ML
Kaz Satoさん
ML A New Way of Computer Programming
- AI : The science of making things smart
- ふわっとしたルールを決めたい
- 機械学習が有用
- ML is a function that learns from data.
-
Edge ML expansion
- 急速に端末での機械学習利用が増えてきている
- Benefits of Edge ML
- low latency
- クラウドだと1s~2sかかる
- ms orderで推論して欲しい
- works offline
- Data stays on device
- low latency
- Extracting the essense of data with ML
- ML can extract the essence of raw data
- Introducing TensorFlow Lite
-
iPhoneの最新プロセッサA10
- CPUが締める割合は少ない
- CPUは処理速度は15年くらい2GHzのまま
- ムーアの法則的な限界が見えてきている
- CPUよりもさまざまな特化型プロセッサを集積
- AutoMLでモデル作成
- 作成したmodelをRassberry Pi上で利用
- 簡単に画像認識ツール等ができる
- Q&A
- 象形文字認識ツールはありますか?
- ありません。TensorFlowを利用、あるいは、AutoMLでも可能かもしれません。
- 外れ値検出
- アノテーションを付与するのを楽にはできませんか?
- Googleのアノテーションサービスがあります
- アノテーションを付与するのを楽にはできませんか?
- 象形文字認識ツールはありますか?
Auto MLとQumicoをつかって、RasberryPiでDeepLearningを動かす話
natusanさん
- エッジ AIとは
- AIを処理するサーバがなく、それぞれの端末で処理をする
- エッジAIを使う理由
- 自動運転等、速度応答が非常に重要なケース
- コストが重要な場合
- 通信環境が悪くても動く必要がある場合
- プライバシーを守りたい場合
- 世の中にAIが普及するにつれ、エッジAIの重要性も増えていく
- AutoMLでできないタスクはデータサイエンティストに任せる
- AutoMLでできることはAutoMLでやったほうが人間よりも精度がでることが多い
プログラミング言語Goのススメ
mattnさん
生mattnさんに感動...!
- スライドはこちら
- Goは簡単
- 人を集めて教育したほうがことは早いのかもしれない
- マスコットがかわいい
Cloud Run
kuma Arakawaさん
Cloud Run
- ステートレスなコンテナ化されたアプリケーションをデプロイできるGCPのフルマネージドサービス
- ここでいうステートレス:サーバ側でデータをもたない
- Knative互換のためベンダーロックされない
- YAMLを別環境に持っていくだけでOK
- 0からスケールする
-
App Engine Flexはできる限り使わないほうがよい
- それならCloudRunで...
- まとめ
- Cloud Runは割と小さめのサービスのコンテナを動かすもの
- 使える用途よ使えない用途あり。無理やりつかわない
- いろいろなマネージドサービスと組み合わせる
- アップデートが頻繁
- Cloud Runは割と小さめのサービスのコンテナを動かすもの
How to distribute your web appインストール可能なウェブアプリ
Shunya Shishidoさん
- PWA = Progressive Web Application
-
TWA: Trusted Web Activity
-
Web Packing
- コンテンツの作成者と配布者を分割する
- AMP
- 世界中に分散するAMPキャッシュ(CDN)
- 詳しくはドキュメントを参照
- ウェブはどこからでも配信できるようになる
- Signed Exchenge を利用
円周率31兆けたを計算した話
岩尾エマはるかさん
- 詳しくはスライドで
- GCPのGCE(=VM(仮想マシン))の凄さを実感できるセッションでもありました
LT
Dartでサーバレスサービス
FLUTTERのCI環境を整えて自動翻訳機をつかったお話
https://ja.wikipedia.org/wiki/Flutter
手芸屋がGASで豊かになったお話
趣味:GASの布教活動
BigQueryの簡単データ参照
まとめ
機械学習でモデル作成をする場合、それが画像認識ならAutoMLとかをつかったほうが現時点では人間よりも精度が出そうとのこと。それ以外ならTensorFlowとかでモデル自作。edge AI = 組み込みAI。組み込みをやりたいなら、TensorFlowで学習したモデルはそのままだと使えないので、TensorFlow Liteのモデルにconvert。convertは数行コードを書くだけでできます。TensorFlow Liteに変換したモデルをRasberry Piとかで動かすと組み込みAI(端末側で推論ができる)デバイスの完成です。