2019 google开发者大会 | tensorflow相关视频
google 在今年9月10日的开发者大会上和tensorflow相关的演讲都在这里了
文章目录
- 1、机器学习简介 【25min】
- 2、TensorFlow 主旨演讲：机器学习的现在和未来 【20min】
- 3、TensorFlow 2.0 资讯全覆盖 【23min】
- 4、应用 tf.text 搭建模型 【10min】
- 5、TensorFlow Lite - 面向移动和物联网设备 【24min】
- 6、SmileAR: 爱奇艺基于TensorFlow Lite的移动端AR解决方案 【10min】
- 7、使用 tf.distribute 扩展 TensorFlow【23min】
- 8、TensorFlow.js：JavaScript 平台的机器学习 【48min】
- 9、模型优化与量化【20min】
- 10、在 Arm 架构上运行 TensorFlow Lite【10min】
- 11、借助 TensorFlow Extended (TFX) 打造机器学习服务 【27min】
- 12、ElasticDL: 基于 TensorFlow 2.0 和 Kubernetes 的弹性分布式深度学习 【10min】
- 13、参与 TensorFlow 【11min】
- 14、Swift for TensorFlow：无边界机器学习 【26min】
- 15、应用 TensorFlow 和结构化数据训练 【20min】
- 16、联邦学习：机器学习在去中心化数据上的应用 【25min】
1、机器学习简介 【25min】
此讲面向了解代码但不一定了解机器学习的人员，将介绍机器学习的“新”范式，以及模型如何作为某些逻辑情景的替代实现（替代以前编写 if/then 规则和其他代码的做法）。此讲将涉及机器学习领域很多您可能不熟悉的新概念，其中包括动态图模式、训练循环、优化器和损失函数。
https://www.bilibili.com/video/av68057077/
2、TensorFlow 主旨演讲：机器学习的现在和未来 【20min】
TensorFlow 是端到端的开源机器学习平台。TensorFlow 以及世界上的其他机器学习技术一起都在不断发展和完善。在此主旨演讲中，TensorFlow 的几位产品经理将向您介绍 TensorFlow 的最新功能，以及未来发展方向。演讲内容将涵盖 TF 2.0，以及 TensorFlow 生态系统的最新发展情况。
https://www.bilibili.com/video/av68129942/
3、TensorFlow 2.0 资讯全覆盖 【23min】
TensorFlow 2.0 已发布！在此讲中，将通过一些代码示例介绍我们新推出的一些新手和专家都可轻松上手的 API，这些 API 可用来打造不同特色的神经网络（密集神经网络、卷积神经网络和循环神经网络）。此外，还将说明您在自己的项目中何时使用 Keras Sequential API、Functional API 和 Subclassing API。
https://www.bilibili.com/video/av68130292/
4、应用 tf.text 搭建模型 【10min】
文本建模通常需要预处理数据和重新生成示例，以便将文本内容转换成模型输入。TF.Text 提供的工具箱中带有本机 Tensorflow 节点（即 Op）和实用工具（包括标记化、句子停顿、Unicode 支持、字符串处理、特征提取等），可用来创建文本预处理图形，并将示例无缝送入模型中。
https://www.bilibili.com/video/av68130490/
5、TensorFlow Lite - 面向移动和物联网设备 【24min】
TensorFlow Lite 是一种开源深度学习框架，用于实现设备上的推断。欢迎参加此专题会议，了解我们最近在 TFLite 方面取得的令人振奋的进展，包括性能提升、微控制器部署等。
https://www.bilibili.com/video/av68130598/
6、SmileAR: 爱奇艺基于TensorFlow Lite的移动端AR解决方案 【10min】
SmileAR 是爱奇艺自研的基于 TensorFlow Lite 的移动端AR解决方案，该方案包含人体关键点识别、人像分割、手势识别、物体识别等基础算法。基于这些基础算法我们进一步封装了美颜、尬舞机、扫一扫等 AR 应用。目前 SmileAR 已部署到爱奇艺旗下的多个产品中，包括日活过亿的爱奇艺主 APP、奇巴布、姜饼短视频及爱奇艺直播机等。 在本次分享中，来自爱奇艺的研究员将简要介绍 SmileAR 的架构和在爱奇艺的应用场景。
https://www.bilibili.com/video/av68130889/
7、使用 tf.distribute 扩展 TensorFlow【23min】
TensorFlow 的 tf.distribute 库可用来将模型从单个 GPU 扩展到多个 GPU，并最终扩展成使用简单 API 的多个机器，而且只需对现有的代码进行少量改动即可实现。欢迎加入我们，了解如何使用 tf.distribute 在各种硬件平台（从商务云端平台到专用硬件，都有涉及）上扩展您的机器学习模型。
https://www.bilibili.com/video/av68131040/
8、TensorFlow.js：JavaScript 平台的机器学习 【48min】
TensorFlow.js 这个库用于在浏览器、Node.js 和其他 Javascript 平台中训练和部署机器学习模型，可为 JavaScript 开发者提供独特的机会。在本讲中，您将了解到 TensorFlow.js 生态系统：如何将现有的机器学习模型植入 JS 应用，如何使用自己的数据重新训练模型，以及如何超越浏览器，转到其他 JS 平台部署机器学习模型。来看看我们一些深受欢迎的独特应用的实际演示版！ 同时，来自 ModiFace Technology（L’Oréal 子公司）的特邀演讲嘉宾，将分享如何通过应用TensorFlow.js来解决在浏览器上实现增强现实（AR）所面临的挑战。
https://www.bilibili.com/video/av68131431/
9、模型优化与量化【20min】
机器学习技术是许多产品（从数据中心到边界设备）的核心。为了高效部署这些模型，通常建议甚至必须执行某些优化。TensorFlow Model Optimization Toolkit 这套工具实现了一些方法，可对机器学习模型进行优化，以便部署和执行。这套工具是 TensorFlow 背书的众多 API 之一。
https://www.bilibili.com/video/av68171973/
10、在 Arm 架构上运行 TensorFlow Lite【10min】
强大的处理能力，加上先进的机器学习算法，让我们得以边缘设备上运行机器学习推理。Google TensorFlow Lite 团队与 Arm 合作，让处理器更加智能。在此讲中，我们会介绍 TensorFlow Lite 是如何让处理能力和资源有限的边界设备也能实现机器智能的，这种新兴趋势将如何重新定义 AI 应用。
https://www.bilibili.com/video/av68172272/
11、借助 TensorFlow Extended (TFX) 打造机器学习服务 【27min】
要建立起供生产环境使用的机器学习流水线，以便训练、部署和维护机器学习和深度学习应用，所涉及的工作远不只是训练一个模型。利用在开发生产环境用的机器学习流水线方面的多年经验，谷歌推出了开源平台 TensorFlow Extended (TFX)，这是谷歌内部使用的开源版工具和库。此讲将与您分享谷歌在生产环境用的机器学习技术方面积累的经验，其中包括元数据管理、数据验证、模型验证和转换。
https://www.bilibili.com/video/av68172714/
12、ElasticDL: 基于 TensorFlow 2.0 和 Kubernetes 的弹性分布式深度学习 【10min】
ElasticDL 是蚂蚁金服开发的一个分布式深度学习系统。像 Keras 的 model-fit API 和 Estimator 一样，大家调用一个API 函数即可做分布式训练或预测。与众不同的是，ElasticDL 不依赖 TensorFlow runtime 实现分布式计算，而是实现在 runtime 之外。我们可以做这样的尝试是因为 TensorFlow 2.0 的 eager mode。这个尝试实现了 Kubernetes-native 的调度方式，从而使得 ElasticDL 可以支持容错和弹性调度。由此，我们有望大幅提升机群总体利用率以及深度学习团队的工作效能，而不是仅关注优化每一个特定的分布式深度学习任务。
https://www.bilibili.com/video/av68173107/
13、参与 TensorFlow 【11min】
TensorFlow 是一个生机盎然的全球性大社区。TensorFlow 产品团队不仅致力于打造最好的技术功能，还在努力开发最好的产品，供像您一样的 TensorFlow 社区成员使用。在本讲中，您将了解如何参与到其中、新推出的社区功能，以及如何让世人认可您的 TensorFlow 成就。
https://www.bilibili.com/video/av68173669/
14、Swift for TensorFlow：无边界机器学习 【26min】
Swift for TensorFlow 是为下一代机器学习技术开发而打造的平台，能够利用创新技术（例如先进的可微分编程）将深度神经网络与传统软件开发无缝地整合在一起。在此讲中，您将了解到 Swift for TensorFlow 如何让先进的机器学习研究变得更加容易，以及 Jeremy Howard 的 fast.ai 为何选择将它纳入其深度学习课程的最新版本中。
https://www.bilibili.com/video/av68174238/
15、应用 TensorFlow 和结构化数据训练 【20min】
此讲介绍 TensorFlow 的最新科研成果和开发工具，这些工具有助于开发者通过结构化信号中收集到的信息优化模型训练。
https://www.bilibili.com/video/av68174542/
16、联邦学习：机器学习在去中心化数据上的应用 【25min】
了解一下联邦学习技术：该技术用于在由中央服务器协调的一系列设备（例如 Android 手机）上训练和评估机器学习模型，而无需将敏感的训练数据从任何用户的设备发送到其他位置。此讲将介绍 TensorFlow Federated 如何让研究人员和先行者们得以利用自己的数据集模拟联邦学习以及其他联邦计算。
https://www.bilibili.com/video/av68174772/