[エンジニア情報収集]GDG DevFest OSAKA 2019

2019/12/08

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
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

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

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。

- 機械学習, カンファレンス

[エンジニア 情報収集]GDG DevFest OSAKA 2019