去谷歌开发者大会了,收“获”满满
多图预警,请耐心等待加载
周四去上海参加了谷歌开发者大会,收获满满。
下面我就当个导游,带大家畅游一番吧。
先来到世博中心,显眼的 Google Logo
入场后先报道,领取胸牌
进入主会场
等待演讲开始
前面是关于Android
的演讲就不拍了,和大家一样,我对谷歌在 TensorFlow
和 机器学习方面的最新动态比较感兴趣。
主题1 《未来之路:谷歌为开发者提供全面的开源机器学习产品生态》
其实这一部分的核心内容在昨天的主旨演讲中Laurence
已经简单介绍过,大佬从数据、框架、模型、MLOps 四个方面说明 TensorFlow Project
为开源机器学习构建了全面开源生态,感兴趣可以去大会官网听一下,其实现场的演讲也都有回放了:
现场嘉宾讲的更详细,每一方面都有展开,其实核心就是下面这张图
机器学习的四个支柱:数据、模型框架、部署、监控和维护,这四个支柱 Google
都有开源工具。
数据获取及预处理:TensorFlow 数据集
模型框架:TensorFlow 和 JAX
Deepmind
的一些科研成果,比如alphafold
,还有Google research
的 imagen
、 Parti
都是通过JAX
创建的。
JAX
前段时间还有个趣闻,关注我公众号的同学应该知道,有篇文章说“JAX取代TensorFlow”,“谷歌大脑和DeepMind已经普遍放弃TensorFlow,转投 JAX”。(➡️TensorFlow,危!抛弃者正是谷歌自己),很快就有了辟谣(➡️TensorFlow团队:我们没被抛弃),将继续投资TensorFlow
和JAX
两个ML
框架,以推动数百万用户的研究和应用。
演讲嘉宾讲的很透彻,JAX
和 TensorFlow
是定位不同的两个框架,前者专为硬件加速器优化的框架,从而帮助开发者更深入地钻研机器学习的数学运算,后者定位高级框架,帮助不需要深入到数学层面的开发者可以轻松创建自己的模型。
模型部署:TensorFlow.js 、TensorFlow Lite
在云端、网页端、浏览器、移动端和嵌入式平台上运行模型,Google
也有很多成熟的产品,我之前也曾写过一篇文章介绍tfjs
(用浏览器玩机器学习,赞!),自认写的清晰明了。
Google Lite
也挺亮眼的,它可以内置到 Google Play
服务中,不需要再在应用中植入 TF Lite
,应用体量可以大幅缩减,也可以使用后台更新功能,用户始终能够使用最新版本,不需要在TF Lite每次更新时再重新。如果用户不使用 Google Play
服务,也可以不使用以上方式,像以前一样自主分发。
监控和维护:TFX
TFX 不仅可以用于模型部署,它也可为完整 MLOps
部署提供软件框架和工具,并在数据和模型随时间推移不断演变的过程中检测问题。
这四个支柱中 Google
提供的一些列工具集成到一起,统称为Tensor Projects
,满足研究人员、开发者、MLOPS 和商务团队的任意机器学习应用需求。
主题2 《MediaPipe: 搭建你自己的端侧开源机器学习解决方案》
之前没有关注过这一块,设备端(智能手机、物联网设备或浏览器)机器学习其实已经有很多成熟的应用:
- Google Meet的背景模糊处理/替换
- Nest 的人员移动侦测、包裹递送通知、手势识别
- YouTube 的AR 试妆
设备端机器学习主要包括设备端模型和机器学习流水线,模型是核心,机器学习流水线涵盖从原始输入到输出结果的全流程,两者都非常复杂。
MediaPipe
可以极大简化这个过程,它可以把流水线封装成 MediaPipe Tasks
,用 Model Maker
定制模型,通过低代码 API
提供可定制的高性能设备端机器学习解决方案。
使用貌似也挺简单的,和把大象装进冰箱一样,一共分三步:
收集训练数据、使用 Tasks
或 Model Maker
枃建模型、使用 Task library
部署模型。
MediaPipe
确实挺有意思的,嘉宾分享了好几个资源,我计划之后深入学习学习
https://mediapipe.dev
https://github.com/google/mediapipe
https://google.github.io/mediapipe/solutions/pose.html
下午场是展示区的技术/产品趣味互动体验,有点困,先喝杯 Google
牌雀巢咖啡提提神
在展区打卡领到许多小礼品:Android
吉祥物、充电线、眼镜、水杯、悠悠球、鼠标垫、冰箱贴、各种贴纸
当然,这些都是身外之物,体验 Google
黑科技才是正事,这部分我会剪个视频在 B 站发布,这里就以图文介绍吧。
黑科技1: 智能互动,让音乐“动”起来
挺好玩的,在摄像头前挥舞手臂,就可以化身指挥家,指挥交响乐团。这个 Semi-Conductor
使用了 PoseNet
这个可在浏览器中运行的开源机器学习模型,能够将网络摄像头拍到的身体动作映射到对应的指挥操作。运用其独特的算法,该应用得以有机融合数百个短小的乐器录音片段,让乐团演奏的乐曲能够随着你的指挥而变化。
黑科技2: 激发音乐灵感,创造无限可能
Tone Transfer
让你可以将日常生活中的各种声音转化为乐器声,比如可以直接对着话筒哼一段旋律,直接在浏览器中录制和上传声音,机器学习模型将它转化成萨克斯风、长笛和其他乐器的声音!
黑科技3: MediaPipe Tasks 面部追踪、姿态检测
这几个都是前面介绍过的 MediaPipe
实现的,听介绍,代码量极低。
开启 TensorFlow 进阶之旅,丰富学习资源,待你探索
你是否正在研究如何更高效地使用 TensorFlow
开发和训练开源机器学习模型,成为开源机器学习专家? 在这里,根据自身需求,灵活挑选合适的学习资源,开启进阶之旅吧!
TensorFlow & 机器学习 丰富的学习资源
最后再放几个资源吧,也是在展区看到的。
为了使开发者更高效地使用 TensorFlow
开发和训练开源机器学习模型,Google
还有很多开源课程。
比如:
Google
携手网易有道在中国大学 MOOC
平台上发布的《 TensorFlow 入门课程 - 部署篇》 专题课程
https://www.icourse163.org/course/youdao-1467217161?from=searchPage&outVendor=zw_mooc_pcssjg_
Google 开发者在线课程,针对希望在部署层面得到进阶提升的开发者。
https://developers.google.cn/learn/pathways?utm_source=social&utm_medium=devkol&utm_campaign=gds22
TensorFlow 开发者认证计划,通过考试的开发者,有机会荣获官方颁发的 TensorFlow 开发者证书和徽章。
https://www.tensorflow.org/certificate?hl=zh-cn
总结
总结一句话就是:不虚此行,下次一定还来。
大家一起 Code For Better
,“共码未来” 吧,我要去学 MediaPipe
了。
本文由博客一文多发平台 OpenWrite 发布!
本站文章如无特殊说明,均为本站原创,如若转载,请注明出处:去谷歌开发者大会了,收“获”满满 - Python技术站