Tags:
Node Thumbnail

โครงการ TensorFlow ประกาศรองรับ Raspberry Pi อย่างเป็นทางการ โดยอาศัยไลบรารี libatlas ใน Raspbian 9

ตอนนี้ TensorFlow 1.9 ใน PyPI เป็นเวอร์ชั่นที่รองรับ Raspberry Pi แล้วทำให้ผู้ใช้ Raspbian ใช้เพียงสองคำสั่งคือ

sudo apt install libatlas-base-dev
pip3 install tensorflow

ข้อจำกัดสำคัญของ Raspberry Pi คงเป็นเรื่องของหน่วยความจำที่มีความจุไม่มากนัก การออกแบบโมเดลสำหรับคอมพิวเตอร์ขนาดเล็กเช่นนี้คงต้องเลือกโมเดลที่มีขนาดเล็กพอ และยังทำงานได้ดี

ที่มา - TensorFlow

Tags:
Node Thumbnail

หัวข้อหนึ่งที่น่าสนใจในงาน Google I/O 2018 คือ TensorFlow Lite เอนจินสำหรับประมวลผล deep learning ในอุปกรณ์พกพา ที่ทำงานได้ทั้งบน Android, iOS และลินุกซ์

กูเกิลเปิดตัว TensorFlow Lite ตั้งแต่งาน I/O ปี 2017 แต่ตอนนั้นยังไม่ค่อยมีใครเห็นภาพมากนักว่ามันคืออะไร เป้าหมายมีไว้ทำไม แต่เมื่อเวลาผ่านมาอีก 1 ปี ความชัดเจนก็เริ่มตามมา

Tags:
Node Thumbnail

โครงการ TensorFlow เปิดตัวโครงการย่อย TensorFlow.js สำหรับการพัฒนาโมเดล deep learning บนเบราว์เซอร์หรือ Node.js (กำลังพัฒนา) โดยมุ่งเป้าจะทำให้โมเดล deep learning ที่รันบนจาวาสคริปต์นี้เร่งความเร็วด้วยฮาร์ดแวร์แบบเดียวกับโครงการหลัก

การรันโมเดลบนเบราว์เซอร์จะอาศัย WebGL ในการเชื่อมต่อกับชิปกราฟิกเพื่อเร่งความเร็ว ขณะที่การรันบน Node.js เตรียมจะรองรับทั้งบนชิปกราฟิก, ซีพียู, และ TPU ชิปสำหรับ deep learning ของกูเกิลเอง

โครงการ TensorFlow.js เป็นการพัฒนาต่อมาจาก deeplearn.js ที่เปิดตัวไปปีที่แล้ว แต่พัฒนาต่อเพิ่มเลย์เยอร์สำเร็จรูปเข้ามาโดยใช้ API ที่ใกล้เคียงกับ Keras

Tags:
Node Thumbnail

Google รายงานการใช้เทคโนโลยี TensorFlow เพื่อปกป้องการลักลอบตัดไม้ทำลายป่า ซึ่งปัจจุบันการตัดไม้ทำลายป่านั้นปล่อยก๊าซเรือนกระจกคิดเป็นหนึ่งในห้าของสาเหตุการปล่อยก๊าซเรือนกระจกทั้งหมด

Google ได้ร่วมมือกับ Rainforest Connection ซึ่งเป็นกลุ่มวิศวกรที่เน้นการพัฒนาเทคโนโลยีสำหรับคนท้องถิ่น อย่างเช่นชาว Tembé ซึ่งอยู่ในใจกลางอเมซอน เพื่อพัฒนาเทคโนโลยีให้พวกเขาสามารถปกป้องถิ่นที่อยู่ของตัวเองได้ และจะเป็นการปกป้องการเปลี่ยนแปลงสภาพภูมิอากาศที่เกิดจากการตัดไม้ทำลายป่าอีกด้วย

Tags:
Node Thumbnail

ปัญหา deep learning อย่างหนึ่งที่มีการพัฒนามายาวนานคือการแบ่งส่วนภาพระดับพิกเซล หรือปัญหา segmentation ที่ทำให้เราสามารถแยกภาพคนหรือวัตถุออกจากพื้นหลังได้โดยไม่ต้องอาศัยมือกราฟิกมาทำไดคัต ในกูเกิลเองก็มีพัฒนาโมเดล deep learning ที่ชื่อว่า DeepLab มาตั้งแต่ปี 2015 และตอนนี้ก็ปล่อยเวอร์ชั่น v3+ ที่พัฒนาความแม่นยำค่า IoU (intersection over union) เฉลี่ยไปถึงระดับ 89% เมื่อทดสอบด้วยชุดข้อมูล PASCAL VOC 2012 นับว่าดีที่สุดในตอนนี้

DeepLab-v3+ พัฒนาความแม่นยำเพิ่มจาก DeepLab-v3 ที่ออกมาเมื่อปีที่แล้วอย่างมีนัยสำคัญ (v3 ทำค่า mIoU ได้ 86.9%) ด้วยการเพิ่มโมดูล decoder ที่ไม่ซับซ้อนนัก แต่กลับสามารถทำให้ความแม่นยำรวมเพิ่มขึ้นได้มาก

Tags:
Node Thumbnail

Gizmodo รายงานว่า Google ได้เป็นพาร์ทเนอร์ร่วมกับกระทรวงกลาโหมสหรัฐ (Department of Defense) ในโปรเจ็ค Marven หรือ Algorithmic Warfare Cross-Functional Team (AWCFT) ที่ให้ทางกลาโหมนำปัญญาประดิษฐ์ไปใช้วิเคราะห์วัตถุและยานพาหนะจากภาพฟุตเทจของโดรน

Google คอนเฟิร์มข่าวข้างต้นพร้อมระบุว่าเปิดให้กลาโหมเชื่อมต่อกับ API ของ TensorFlow และยืนยันว่าให้ทหารเอาไปใช้ในข้อมูลที่ไม่เป็นความลับและไม่เกี่ยวข้องกับสงครามและการสู้รบ โดยทางกลาโหมต้องการใช้ปัญญาประดิษฐ์มาวิเคราะห์ฟุตเทจแทนที่มนุษย์ ที่ทั้งช้าและแม่นยำน้อยกว่า

Tags:
Node Thumbnail

เมื่อกลางปีที่แล้ว กูเกิลเปิดตัว TPU (Tensor Processing Unit) ชิปสำหรับประมวลผล deep learning รุ่นที่สอง พร้อมจับขึ้นคลาวด์เพื่อให้คนทั่วไปใช้งาน โดยช่วงแรกยังจำกัดเฉพาะนักวิจัยเท่านั้น

เวลาผ่านมาเกือบปี Cloud TPU เปิดบริการรุ่นเบต้าบน Google Cloud Platform (GCP) สักที คนทั่วไปสามารถนำงานด้าน machine learning มาเทรนโมเดลบน Cloud TPU เพื่อเร่งความเร็วให้ได้มากขึ้น (Cloud TPU หนึ่งตัวมีสมรรถนะสูงสุด 180 tflops และแรม 64GB)

Tags:
Node Thumbnail

ปัญญาประดิษฐ์ในช่วงหลังๆ เริ่มมุ่งปัญหาใหม่ๆ ที่เครือข่ายแบบเดิมๆ แก้ไขไม่ได้ เช่น กระบวนการเพิ่มความละเอียดภาพ, สร้างภาพจากคำบอกเล่า, ไปจนถึงการเปลี่ยนฤดูกาลในภาพถ่าย แนวทางเช่นนี้ทำให้เครือข่ายประเภท Generative Adversarial Networks (GANs) ได้รับความนิยมขึ้นมา ตอนนี้กูเกิลก็เพิ่มไลบรารี TFGAN เพื่อการพัฒนาเครือข่าย GAN บน Tensorflow เข้ามาแล้ว

ไลบรารีมาพร้อมตัวอย่าง และ Python notebook สำหรับฝึกการสร้างภาพเลข 0-9 ตามลายมือคนจากชุดข้อมูล MNIST

Tags:
Node Thumbnail

ประเด็นการสร้างภาพปลอมหรือวิดีโอตัดต่อเริ่มมีมากขึ้นเรื่อยๆ ในช่วงหลัง งานวิจัยหลายงานเริ่มแสดงให้เห็นว่าการสร้างภาพตกแต่งที่สมจริงมากๆ เริ่มทำได้ง่ายขึ้นเรื่อยๆ เหยื่อรายล่าสุดคือ Gal Gadot นางเอกภาพยนต์เรื่อง Wonder Woman ที่ถูกตัดต่อหน้าใส่วิดีโอโป๊

Tags:
Node Thumbnail

กูเกิลประกาศไว้ในงาน I/O 2017 ว่าจะนำเอนจิน TensorFlow Lite มาสู่ Android Oreo เพื่อให้สามารถประมวลผล deep learning ภายในมือถือได้โดยไม่ต้องส่งข้อมูลออกไปนอกเครื่อง

วันนี้ TensorFlow Lite เปิดให้ทดสอบแบบ developer preview แล้ว มันสามารถนำไปใช้งานได้หลากหลายอุปกรณ์ โดยเริ่มจาก Android, iOS และในอนาคตจะรันบนอุปกรณ์ IoT ได้ด้วย

Tags:
Topics: 
Node Thumbnail

TensorFlow โดยปกติแล้วมักใช้สำหรับการคำนวณข้อมูลเป็นอาเรย์ขนาดใหญ่ๆ ทำให้ตัว API ออกแบบมาไม่ได้รันทีละคำสั่งเหมือนภาษาโปรแกรมทั่วไป แต่ต้องจัดเรียงโมเดลแล้วสั่งรันทีเดียว แม้ว่าจะทำให้ประสิทธิภาพดีและสามารถนำโมเดลไปรันบนชิปกราฟิกได้ แต่ก็ทำให้การพัฒนาและดีบั๊กทำได้ยากขึ้นมาก ตอนนี้ทางโครงการก็เพิ่มโหมดการรันแบบ eager execution ขึ้นมา ทำให้รันทีละคำสั่งได้เหมือนการรันโปรแกรมปกติ

เมื่อเปิดโหมดการทำงานนี้ ผลลัพธ์แต่ละขั้นตอนจะอยู่ในรูปแบบที่อ่านได้ทันที การพิมพ์ผลลัพธ์ด้วยฟังก์ชั่น print ก็จะเห็นแมทริกซ์ผลลัพธ์ออกมาให้อ่านได้เลย

โค้ดโดยทั่วไปควรจะรันในโหมดกราฟปกติและโหมด eager ได้ แต่มีความไม่เข้ากันบางอย่าง และตอนนี้โหมด eager ยังอยู่ในช่วงพรีวิว

Tags:
Node Thumbnail

TensorFlow ใกล้ออกเวอร์ชั่น 1.4 เต็มที โดยตอนนี้ release candidate 1 (rc1) ก็ออกมาแล้วทำให้เริ่มแน่ชัดว่าจะมีฟีเจอร์อะไรเข้ามาบ้าง โดยส่วนสำคัญที่สุดคงเป็นการรวม Keras เข้ามาเป็นโมดูลหลักของโครงการ

Keras ถูกสร้างครั้งแรกเพื่อสร้าง API ระดับสูงให้กับ Theano และรองรับทั้ง CNTK และ TensorFlow ในภายหลัง แต่โครงการได้รับความนิยมในการใช้ร่วมกับ TensorFlow อย่างสูง ทำให้ตอนนี้มักใช้ร่วมกันเสมอๆ

อีกโครงการที่รวมเข้ามาคือ tf.data ที่เดิมอยู่ใน tf.contrib.data

Tags:
Node Thumbnail

กูเกิลเปิดตัว TensorFlow Lattice ชุดของ TensorFlow Estimator สำหรับการสร้างฟังก์ชั่นเพื่อทำนายผลลัพธ์ แต่ออกแบบมาเพื่อรองรับชุดข้อมูลที่อาจจะมีข้อผิดพลาดอยู่บ้าง โดยเปิดให้นักพัฒนากำหนดเงื่อนไขบางส่วนล่วงหน้า

ตัวอย่างของการใช้งาน เช่น การแนะนำร้านกาแฟ ที่ปกติแล้วร้านกาแฟยิ่งไกลยิ่งไม่ควรแนะนำนัก แม้ว่าจะมีผู้ใช้บางคนยอมเดินไกลก็ตาม ชุดข้อมูลที่ไม่สมบูรณ์อาจจะทำให้ร้านกาแฟที่ไกลมากๆ กลายเป็นควรแนะนำเพราะข้อมูลฝึกมีกลุ่มผู้ชอบเดินไกลอยู่ Lattice เปิดทางให้นักพัฒนากำหนดได้ว่าข้อมูลควรไปทางเดียวกัน (monotonic)

Tags:
Node Thumbnail

Kewpie Corporation ผู้ผลิตมายองเนส และเครื่องปรุงอาหาร ทดลองใช้ปัญญาประดิษฐ์ช่วยในการคัดแยกวัตถุดิบที่ไม่ได้มาตรฐานออกไป โดยพัฒนา machine learning บน TensorFlow

Kewpie บอกว่า ในการผลิตสินค้า จำต้องแยกแยะวัตถุดิบเป็นจำนวนมหาศาลกว่า 400 ชนิด รวมแล้วประมาณวันละ 4-5 ตันต่อวัน งานคัดแยกจึงเป็นงานหนักและใช้เวลามาก กระบวนการผลิตทั้งหมดไปจมอยู่กับงานคัดแยกเหมือนคอขวด ทางบริษัทจึงทดลองใช้เทคโนโลยีทุ่นแรงอย่างปัญญาประดิษฐ์เข้ามาแก้ปัญหา

Tags:
Node Thumbnail

ทีมงาน TensorFlow เปิดโครงการย่อยบทความสอนการทำ neural machine translation (NMT) ในแบบ sequence-to-sequence (seq2seq) โดยใช้ API ใน TensorFlow 1.2 โดยมีทั้งบทความและโค้ดตัวอย่างที่สามารถใช้ชุดข้อมูลที่เปิดเผยมาใช้งานได้ทันที

ตัวบทเรียนมีตั้งแต่การทำตัวแปลพื้นฐาน ด้วย encoder-decoder ไปจนถึงการสร้าง attention mechanism และโมเดล NMT ใหม่ๆ เช่น bi-directional RNNs, beam search, ไปจนถึงการทำ multiple GPU สำหรับ attention mechanism

ตัวอย่างใช้ชุดข้อมูลภาษาอังกฤษ-เวียดนาม, และอังกฤษ-เยอรมัน ถ้าใครมีชุดข้อมูลภาษาไทยเอามาแบ่งปันกันได้ครับ

ที่มา - Google Research

Tags:
Node Thumbnail

กูเกิลปล่อยโครงการ Tensor2Tensor (T2T) ชุดเครื่องมือสำหรับช่วยแยกปัญหาออกจากการออกแบบโมเดล deep learning ทำให้สามารถทดลองปัญหาเดิมกับโมเดลใหม่ๆ ได้มากขึ้น ช่วยให้นักวิจัยสามารถออกแบบโมเดลได้อย่างมีประสิทธิภาพ พร้อมกับสาธิตการใช้งานด้วยรายงานวิจัย MultiModel โมเดล deep learning ที่ทำงานหลายอย่างได้พร้อมกัน ได้แก่ บรรยายภาพ, จัดหมวดหมู่ภาพ, แปลภาษา, แปลงเสียงเป็นข้อความ, และวิเคราะห์โครงสร้างประโยค

MultiModel เป็นโมเดล deep learning ที่มีความซับซ้อนสูง มีกระบวนการเข้ารหัสข้อมูลและถอดรหัสเอาผลลัพธ์ได้หลายทางตามงานประเภทต่างๆ โดยยังสามารถทำงานประเภทต่างๆ ได้ความแม่นยำในระดับดีพอใช้ แถมการฝึกปัญหาหลายอย่างไปพร้อมกันกลับเพิ่มความแม่นยำในงานประเภทต่างๆ ได้

Tags:
Node Thumbnail

กูเกิลประกาศออกชุดโมเดล MobileNets สำหรับการประมวลผล AI บนสมาร์ทโฟนที่มีทรัพยากรจำกัด ตามแผนการผลักดัน TensorFlow ให้ทำงานบนมือถือได้

กูเกิลบอกว่าถึงแม้เราอยู่ในยุคของคลาวด์ สามารถเรียกประมวลผลภาพได้ผ่านบริการอย่าง Cloud Vision API แต่ก็มีกรณีที่จำเป็นต้องประมวลผล AI แบบออฟไลน์บนมือถือ ซึ่งช่วงหลังมีสมรรถนะสูงมากพอแล้ว

Tags:
Topics: 
Node Thumbnail

โครงการ TensorFlow เพิ่ม Object Detection API สำหรับการจับวัตถุในภาพ โดยรองรับเครือข่าย 5 แบบพร้อมกับค่า weight ที่ฝึกกับชุดข้อมูล COCO มาเรียบร้อยแล้ว ทำให้คนทั่วไปสามารถสร้างระบบตรวจจับวัตถุใช้เองได้ทันที

เครือข่ายนิวรอน 5 แบบที่รองรับได้แก่ Single Shot Multibox Detector (SSD) with MobileNets, SSD with Inception V2, Region-Based Fully Convolutional Networks (R-FCN), Faster RCNN with Resnet 101, และ Faster RCNN with Inception Resnet v2

Node Thumbnail

ในคีย์โน้ตงาน Google I/O 2017 เมื่อสัปดาห์ที่ผ่านมา ธีมหลักของงานนั้นชัดเจนมากว่าเป็นเรื่องของ AI ที่มีความสำคัญเหนือทุกสิ่งอย่าง (Android และ VR ถูกนำไปพูดช่วงท้ายๆ และแทบไม่พูดถึงบริการตัวเก่าๆ อย่าง Google Maps หรือ Chrome เลย)

ซีอีโอ Sundar Pichai ขึ้นเวทีพร้อมกับย้ำว่าโลกกำลังเปลี่ยนผ่านจากยุค Mobile First มาเป็น AI First (เขาพูดเรื่องนี้มาตั้งแต่ปีที่แล้ว) พร้อมกับอธิบายผลงานด้าน AI ของกูเกิลในปัจจุบันว่ามีอะไรบ้าง

บทความนี้จะสรุปประเด็นและวิเคราะห์ผลงานด้าน AI ของกูเกิลว่าไปไกลแค่ไหน และเปรียบเทียบกับคู่แข่งแล้ว กูเกิลยืนอยู่ตรงไหนในโลกของ AI

Tags:
Node Thumbnail

กูเกิลจริงจังกับงานด้าน deep learning ถึงขนาดออกแบบชิปประมวลผลเองในชื่อ TPU (Tensor Processing Unit) โดยในงาน Google I/O 2017 กูเกิลก็เปิดตัว TPU รุ่นที่สอง ที่มีความสามารถมากขึ้น

เป้าหมายของกูเกิลคือนำ TPU ขึ้นไปอยู่บนคลาวด์ เพื่อให้นักวิจัยหรือคนที่ต้องการเทรน AI ให้เร็วกว่าทำเอง เข้ามาเช่าใช้งาน แต่ในช่วงแรกเพื่อเปิดโอกาสให้คนลองใช้กันมากๆ กูเกิลเลยสร้างคลาวด์พิเศษ TensorFlow Research Cloud (TFRC) ให้กลุ่มนักวิจัยใช้งานกันฟรีๆ

Tags:
Node Thumbnail

กูเกิลประกาศออก Android O Developer Preview 2 ซึ่งมีฟีเจอร์เพิ่มจาก Preview 1 ที่เปิดตัวไปก่อนแล้วในเดือนมีนาคม ผู้ใช้สามารถทดสอบได้แล้วผ่านโครงการ Android Beta บน Nexus 5X, 6P, Nexus Player, Pixel, Pixel XL, Pixel C

ของใหม่ใน Preview 2 มีดังนี้

Tags:
Node Thumbnail

กูเกิลเปิดตัว TPU (Tensor Processing Unit) ชิปสำหรับประมวลผล deep learning รุ่นที่สอง พัฒนาจากรุ่นแรกที่ใช้เพื่อการคำนวณผลลัพธ์จากเครือข่ายนิวรอนเป็นหลัก รุ่นใหม่นี้จะมีความสามารถในการฝึกเครือข่ายนิวรอน (inference) ได้ด้วย พร้อมกับเปิดบริการ Cloud TPU รุ่น Alpha (ต้องขอเข้าร่วมทดสอบ)

TPU แต่ละชุดจะมีพลังประมวลผล 180 TFLOPS กูเกิลออกแบบระบบเป็นตู้ (pod) แต่ละตู้มี TPU 64 ชุด รวมพลังประมวลผล 11.5 PFLOPS โค้ด TensorFlow สามารถรันบนเซิร์ฟเวอร์ได้โดยเปลี่ยนโค้ดเล็กน้อย

Tags:
Node Thumbnail

กูเกิลเคยเปิดเผยว่าระบบปัญญาประดิษฐ์ของตัวเองนั้นแม้จะรันด้วย TensorFlow ที่เป็นซอฟต์แวร์โอเพนซอร์ส แต่เบื้องหลังนั้นใข้ชิป Tensor Processing Unit (TPU) โดยระบุว่าการทำชิปด้วยตัวเองคุ้มค่ากว่า แต่ไม่มีรายละเอียดใดเพิ่มเติม ตอนนี้กูเกิลก็ปล่อยรายงานการศึกษาว่าการใช้ TPU นั้นคุ้มค่ากว่าจริงๆ

ภายใน TPU นั้นมีส่วนประกอบหลักคือบัฟเฟอร์กินพื้นที่ 29% ของตัวชิป และวงจรคูณแมทริกซ์กินพื้นที่ 24% ของตัวชิป สามารถคูณแมทริกซ์ได้ขนาด 256x256 นอกจากนี้ยังมีวงจรเฉพาะสำหรับการประมวลผลที่เกี่ยวข้อง เช่น Activation, Normalize/Pool ส่วนที่เหลือคือวงจรเชื่อมต่อภายนอกเช่น PCIe 3.0 x16, วงจรควบคุม DDR3 และวงจรควบคุมการทำงาน

Tags:
Node Thumbnail

TensorFlow เพิ่มโมเดลที่มาพร้อมกับโครงการอันล่าสุดคือ Skip-Thought โมเดลสำหรับการหาประโยคที่มี "ความหมาย" ใกล้เคียงกับประโยคที่ให้ไป แม้ว่าตัวข้อความตามตัวอักษรจะไม่คล้ายกันก็ตามที

ตัวอย่างการใช้งานที่ TensorFlow แสดงคือการหาข้อความคล้ายๆ กันในการรีวิวภาพยนตร์ หากใครจะนำไปใช้สำหรับการรีวิวอื่นๆ ก็น่าจะใช้งานได้เช่นเดียวกัน เช่นทุกวันนี้ที่เว็บรีวิวมันจับกลุ่มการรีวิวข้อความคล้ายๆ กันเป็นสรุปให้กับผู้ใช้ที่กำลังเลือกซื้อสินค้าหรือติดตั้งแอป

ตัวโมเดลมาพร้อมกับ checkpoints ที่ฝึกกับข้อมูลชุด BookCorpus มาแล้ว หากฝึกเองจะใช้เวลาประมาณ 9 วันเมื่อใช้การ์ด GeForce GTX 1080 ตัวข้อมูลที่ฝึกลดรูปคำศัพท์เหลือเพียง 20,000 คำ พร้อมคู่มือการเพิ่มคำศัพท์

Tags:
Node Thumbnail

ซอฟต์แวร์แห่งโลกยุคใหม่ที่มาแรงสองตัวคือ Apache Hadoop/Spark สำหรับงานประมวลผล Big Data และ TensorFlow สำหรับงาน Machine Learning

ล่าสุดทีมพัฒนาจาก Yahoo จับมันมารวมกันแล้วในชื่อว่า TensorFlowOnSpark หน้าที่ของมันคือการนำฟีเจอร์เรียนรู้ของ TensorFlow มารันอยู่บนคลัสเตอร์ Hadoop/Spark โดยตรง เพื่อไม่ให้ต้องย้ายข้อมูลระหว่างคลัสเตอร์สองระบบ ซึ่งเสียเวลาและทรัพยากรในการย้ายข้อมูลขนาดใหญ่

Pages