筆者は、2015年にTensorFlowがオープンソースになった時「自分好みの眼鏡っ娘を自動的に収集したい」という一心で「眼鏡っ娘画像の自動収集・判定システム」の構築をはじめました。 この本は、筆者が2年間ひとりで取り組んできた「ML Ops」としての活動記録です。
ML Opsとは
ML Ops（Machine Learning Operations）は、近年、機械学習の勉強会などで話題に上るようになった新しい言葉で、明確な定義は未だありません。 本書では、モデルの構造やハイパーパラメーターなど、いわば「機械学習の花形」のみならず、データの収集、蓄積、整理、モデルの学習や評価を円滑に行うための様々な施策。 それらの施策を立案、実行する個人やチームまでを含めて「ML Ops」と呼んでいます。
前提知識
本書は、TensorFlowを使って、機械学習システムを構築しようとしている方が手に取ることを想定して執筆しています。TensorFlowの利用経験があることが理想ですが、TensorFlowをまったく知らないけれど機械学習システムの構築に必要な要素を知りたい。雰囲気を知りたいという人の参考になることを目標としています。
目次
第1章 データセットの収集 1.1 画像の自動収集 1.2 データ構造 1.3 既存データセット紹介 第2章 データセット管理 2.1 アノテーション 2.2 ラベル付け 2.3 データセット管理の仕組み 2.4 TFRecord出力 第3章 モデルの学習と評価 3.1 モデルの設計 3.2 モデルの評価 3.3 設定ファイル 3.4 コマンドラインオプション 3.5 TensorBoard 第4章 GPU の活用 4.1 SingleGPUとMultiGPU 4.2 GPUの割り当て あとがき