BC.Wang Welcome

谷歌开发者大会2018,上海

2018-09-21
BCWang

阅读:


谷歌开发者大会

有用的内容:

  • 使用FireBase进行后端数据库管理
  • 使用Flutter
  • AR core 在andriod,Unity,Unreal,IOS中的应用
  • Wear OS

    tensorflow相关

  • Eager执行,用于模型建立
  • 采用tf.data,将输入变成Feature层,作为layer,支持作为Keras输入,还能将一组one-hot编码作为Feature,所有Feature形成Feature-column
  • tf.estimator内置了各种“一行代码实现机器学习”,包括线性模型,随机森林,推荐系统,时间序列等
  • tf模型保存更加方便,可以保存keras等大多数模型,支持模型导出到生产环境,支持tf lite将模型简化用于嵌入式或移动设备
  • 一行代码实现分布式训练,原理是将计算分给各个GPU,然后reduce sum
  • TFX(TF Extended),包含数据分析验证,数据转换,模型训练,模型评价,模型部署等功能,打通了从算法开发阶段到生产阶段的流程
  • 官方推荐流程:使用Eager模式搭建原型–用Datasets处理数据–用Feature Columns提取特征–用Keras搭建模型(可使用Canned Estimators)–用SavedModel来打包模型
  • Tensoeflow Lite,在移动设备上运行机器学习模型,可以直接用Converter将Tensorflow模型移植到iOS,Andriod和Linux上使用,lite原理:把浮点数转化为整数等等
  • 新的开发板 TF Lite Edge TPU
  • 使用tf.data做数据输入和处理等,tf.data.TFRecordDataset可以设置num_parallel_reads来实现并行,比如tf.data处理ImageNet的数据集,可达到>13000张图片/s
  • 多自定义函数,override,多创建函数然后使用map的方式来进行
  • tf.data支持csv,谷歌云存储,TFRecord文件、SQL数据库等
  • Tensorflow Data Validation, Tensorflow Transform,Tensorflow Model Analysis, Tensorflow Serving等,都在github的tensorflow文件夹里面,尝试学习着使用
  • 最后tensor2tensor值得研究一下


Comments

Content
0