TensorFlow เฟรมเวิร์คสำหรับสร้างโครงข่าย Deep Learning ประกาศเพิ่มไลบรารี TF-Slim สำหรับการสร้างโครงข่ายในระดับสูงได้ทั้งการฝึกโครงข่ายและประเมินผล

TF-Slim เคยเป็นโครงการทดลองสำหรับโมเดล Inception-V3 ที่ TensorFlow ปล่อยออกมาก่อนหน้านี้ แต่ตอนนี้กลายเป็นไบรารีเต็มรูปแบบอยู่ใต้แพ็กเกจ tf.contrib.slim

ในเวอร์ชั่นล่าสุด TensorFlow ยังเพิ่มฟีเจอร์อีกจำนวนมาก เช่น เลเยอร์ของนิวรอนแบบใหม่ๆ, ฟังก์ชั่นเพิ่มเติม, ไลบรารีสำหรับการทำงานร่วมกันระหว่างชิปกราฟิกและซีพียู, ไปจนถึงโมเดลที่ฝึกไว้ล่วงหน้า

ที่มา - Google Research

ปัญหาคนแสดงความเห็นแบบ "ยาวไปไม่อ่าน" คงเป็นปัญหากันทั้งโลกที่แก้ได้ยาก แต่กรณีกูเกิล ทางแก้หนึ่งที่เป็นไปได้คือเขียนปัญญาประดิษฐ์ขึ้นมาช่วยอ่านและสรุปมาให้

กูเกิลใช้เทคนิค sequence-to-sequence learning นำฐานข้อมูล Gigaword มาเรียนรู้กระบวนการสร้างข้อความสรุปเพราะตัวฐานข้อมูลคือเนื้อข่าวและหัวข่าวอยู่แล้ว

ตอนนี้โมเดลยังจำกัดอยู่ที่การอ่านไม่กี่ประโยคและสรุปออกมาได้เป็นประโยคสั้นๆ ในอนาคตทีมงาน Google Research กำลังหาทางให้อ่านเอกสารขนาดยาว และสรุปเป็นบทคัดย่อออกมาได้ด้วย รวมถึงการปรับปรุงคุณภาพการสรุปให้ดีขึ้น

เมื่อเดือนพฤษภาคมที่ผ่านมากูเกิลเปิดซอร์สระบบประสาทเทียม SyntaxNet สำหรับการอ่านรูปประโยคของคนทั่วไป สร้างขึ้นบน TensorFlow ตอนนี้กูเกิลก็เปิดซอร์สโมเดลภาษาที่ฝึกไว้พร้อมใช้งานแล้วอีก 40 ภาษาในชื่อโครงการ Parsey’s Cousins

TensorFlow เฟรมเวิร์คสำหรับพัฒนาระบบ machine learning ออกรุ่น 0.9.0 RC0 รองรับแพลตฟอร์มเพิ่มเติมได้แก่ Python 3.5 และ iOS เข้ามาแล้ว จากเดิมที่รองรับเฉพาะแอนดรอยด์

รุ่น 0.9.0 RC0 นี้มีนักพัฒนาภายนอกกูเกิลส่งโค้ดเข้าโครงการแล้ว 46 คน และตอนนี้เองก็ยังมีแพตช์ส่งเข้ามาเรื่อยๆ

การที่ TensorFlow รองรับแพลตฟอร์มที่หลากหลายขึ้นแบบนี้ในอนาคตถ้าใครจะ train โมเดลเพื่อไปใช้ในอุปกรณ์เคลื่อนที่ก็คงตัดสินใจกันได้ง่ายขึ้น

ที่มา - TensorFlow, CNET

ข่าวน่าสนใจที่กูเกิลแถลงในงาน Google I/O เมื่อวานนี้คือ "หน่วยประมวลผล" ที่บริษัทออกแบบเองเพื่องานด้าน machine learning โดยกูเกิลเรียกมันว่า Tensor Processing Unit (TPU) (ตั้งให้ล้อกับชื่อซอฟต์แวร์ TensorFlow)

TPU เป็นแผงวงจรเฉพาะด้าน application-specific integrated circuit (ASIC) ที่กูเกิลออกแบบขึ้นเอง ขนาดบอร์ด TPU ที่กูเกิลออกแบบ มีขนาดเล็กกว่าสล็อตเสียบฮาร์ดดิสก์ในแร็คปกติ

DeepMind บริษัทปัญญาประดิษฐ์ในเครือกูเกิลผู้สร้าง AlphaGo อันโด่งดัง ย้ายแพลตฟอร์มไปใช้ TensorFlow ของกูเกิลเองแล้ว หลังจากที่ก่อนหน้านี้ใช้ Torch7

ทาง DeepMind ระบุว่าได้ทดลองโครงการใหม่ๆ ด้วย TensorFlow มาแล้ว 6 เดือนและเชื่อว่าการใช้ TensorFlow จะช่วยเปิดทางให้การวิจัยใหม่ๆ บนเครื่องขนาดใหญ่ขึ้น และการพัฒนาเองก็จะเร็วขึ้นด้วย

แม้จะแยกจาก Torch7 มาแล้ว ทาง DeepMind ก็แสดงความชื่นชมโครงการว่าเป็นโครงการที่ทำงานด้วยกันได้ดี และตอนนี้ Torch7 ก็ถูกใช้งานโดยบริษัทใหญ่ๆ อย่างเฟซบุ๊กและทวิตเตอร์

กูเกิลปล่อยไลบรารี TensorFlow สำหรับการประมวลผล machine learning มาตั้งแต่ปีที่แล้ว แต่ตัวอย่างที่ให้มาเป็นการทดลองใช้งานด้วยโมเดลจัดหมวดหมู่ภาพจากโมเดลที่กูเกิลเตรียมมาให้แล้ว ตอนนี้กูเกิลจึงประกาศเปิดซอร์สโมเดล Inception-v3 ที่เปิดให้ทุกคนไปสร้างโมเดลของตัวเองได้

โค้ดและไลบรารีที่กูเกิลเปิดมาให้ จะทำให้ผู้สนใจสามารถสร้างโมเดลของตัวเอง, เทรนโมเดลเพิ่มเติมเพื่อความแม่นยำในงานบางประเภทให้ดีขึ้น, ปรับสถาปัตยกรรมใหม่ที่อาจจะทำงานได้เร็วขึ้น

เมื่อปลายปีที่แล้ว กูเกิลเปิดตัว TensorFlow ไลบรารีสำหรับการคำนวณจากข้อมูลเพื่อสร้างโมเดล Machine Learning ล่าสุดกูเกิลเปิดตัวเครื่องมืออีกตัวที่ใช้คู่กันคือ TensorFlow Serving

TensorFlow ตัวหลักออกแบบมาสำหรับสร้างโมเดล machine learning จากข้อมูลปริมาณมากๆ (training) ส่วน TensorFlow Serving ใช้หลังจากได้โมเดลเรียบร้อยแล้ว และต้องการนำโมเดลมาใช้งานต่อ (serving) โดยสามารถปรับเปลี่ยนโมเดลได้ในอนาคตถ้าต้องการ

กูเกิลเปิดตัว TensorFlow ไลบรารีสำหรับการคำนวณจากข้อมูลที่ไหลเข้ามาเป็น dataflow รองรับการกระจายงานไปยังซีพียูหรือชิปกราฟิกได้โดยไม่ต้องเขียนโค้ดใหม่ เน้นรองรับการพัฒนาระบบ machine learning โดยเฉพาะ

TensorFlow รองรับการจัดการกับข้อมูลรูปแบบต่างๆ ตั้งแต่กระบวนการง่ายๆ เช่น บวก ลบ คูณ หาร การจัดการสตริง เช่น ต่อสตริง ตัดสตริง ไปจนถึงการจัดการข้อมูลระดับสูง เช่น ฟังก์ชั่น SoftMax, Sigmoid, ReLU

ตัวไลบรารีมาพร้อมกับโปรแกรม TensorBoard ที่ใช้ดูเส้นทางของข้อมูลและเข้าไปดูได้ว่าแต่ละขั้นตอนมีพารามิเตอร์อย่างไรบ้าง

สัญญาอนุญาตเป็น Apache 2.0 สามารถนำไปพัฒนาเพื่อการค้าได้