TensorFlow Dev Summit 2019 KeynoteYouTube↗  IA↗(long shot)
Science & Technology  48.7K views 749 likes 37 dislikes   06 Mar 2019
TensorFlow 615K subscribers N/A YouTube↗


Please select the problem
You must specify your email and describe the problem in detail
Describe your problem in detail if it's not obvious

Click to Play Video Click to Play Video
[Music]
good morning everyone i'm melina program
Selamat pagi, semuanya. Saya Alina,
manager for tensorflow
manajer program untuk <i>TensorFlow</i>.
thank you
Terima kasih.
welcome to the 2019 tensorflow
Selamat datang di Konferensi Developer TensorFlow 2019.
developer summit these are a third annual and largest developer summit two
Ini konferensi developer tahunan ketiga dan terbesar kami.
to date and I'm so happy to have all of
Saya sangat senang kalian hadir di sini,
you here both right here in the room and
baik di ruangan ini maupun di Livestream.
on the live stream welcome so I'm just
Selamat datang. Saya ingin tahu, tolong angkat tangan,
curious by a show of hands who travelled a little bit further maybe to get here
siapa yang harus bepergian paling jauh untuk datang ke sini?
Europe Asia Africa as far as US
Eropa? Asia? Afrika?
Australia whoa awesome welcome a welcome to all of you we have a lot of great
Sampai Australia? Luar biasa. Selamat datang bagi kalian semua.
talk talks ahead some exciting
Akan ada banyak pembicaraan hebat nanti, beberapa pengumuman yang menarik,
announcements and cool demos so let's get going we are living in a formative
dan demo keren. Jadi, mari kita mulai.
moment of history right now we're
Kita hidup pada momen formatif dalam sejarah saat ini,
mission where machine learning is experiencing an unprecedented revolution
saat machine learning mengalami revolusi yang belum pernah terjadi.
though we fundamentally think about and interact with computer systems hat has
Cara kita berpikir dan berinteraksi secara mendasar dengan sistem komputer
inherently changed due to the
sudah berubah sifatnya
breakthroughs in in the field of AI and
karena terobosan dalam bidang AI.
this is due to three major factors first
Ini disebabkan oleh tiga faktor utama.
we have lots more compute specially designed ml accelerators like like these
Pertama, ada lebih banyak komputasi akselerator ML yang dirancang khusus,
teep teep ii use let you train models
seperti TPU ini,
faster than ever before
memungkinkan Anda melatih model lebih cepat dari sebelumnya.
secondly we've breakthroughs in in the field of machine learning there are
Kedua, ada terobosan di bidang machine learning.
novel algorithms created every month
Algoritme baru mereka dibuat setiap bulan
like a bird and an innovative approach to natural language processing which
seperti BERT dan pendekatan inovatif terhadap pemrosesan bahasa alami
lets anyone around the world train their
memungkinkan siapapun di seluruh dunia
own state state-of-the-art question-answering system and finally we
melatih sistem tanya-jawab sendiri yang canggih.
have lots and lots of data we're seeing
Terakhir, ada banyak data.
a new we're seeing new waves of data data sets come from all kinds of
Kita melihat gelombang baru kumpulan data datang dari berbagai disiplin ilmu.
disciplines for example then the new open images extended data set this is a
Misalnya, kumpulan data lanjutan Open Images yang baru.
collection of over four hundred and seventy eight thousand images that
Ini koleksi lebih dari 478.000 gambar
volunteers have have added with the
yang ditambahkan relawan
pursuit of a inclusivity and diversity
dengan mengejar inklusivitas dan keanekaragaman.
so all three of these are basically
Jadi, ketiganya pada dasarnya mengubah
changing how we solve challenging a real-world problems and it's really cool
cara kita memecahkan masalah dunia nyata yang menantang.
to see that tensorflow is the platform
Sangat menyenangkan melihat<i> TensorFlow</i> adalah platform
that's powering this machine learning
yang mendorong revolusi machine learning ini.
revolution it's it's it's allowing developers businesses and researchers
Ini memungkinkan developer, bisnis, dan peneliti di seluruh dunia
around the world to benefit from intelligent applications and we've been
untuk mendapat manfaat dari aplikasi cerdas.
really amazed by what the community has built with tensorflow
Kami sangat kagum pada apa yang telah dibangun komunitas dengan <i>TensorFlow</i>.
developers have had been using tensorflow to solve problems in in their
Developer telah menggunakan <i>TensorFlow</i> untuk memecahkan masalah
local communities so I don't know if any
dalam komunitas lokal mereka.
of you were in the barrier during the
Saya tak tahu apa ada di antara Anda yang berada di Bay Area
tragic paradise fire but one of the
saat kebakaran Paradise yang tragis,
consequences was that air quality was
tetapi salah satu konsekuensinya adalah kualitas udaranya sangat buruk.
really bad it was in the high to mid to 200 on the air koala quality index and as difficult as this
Indeks Kualitas Udaranya antara tinggi hingga sedang sampai 200-an.
was for for us in Delhi India during a during winter the air quality can get up
Meski sulit bagi kami di Delhi, India, selama musim dingin,
to about the the four hundreds on on the air quality index and this is concerned
Indeks Kualitas Udara bisa mencapai sekitar 400-an,
very dangerous so pollution sensors can
dan ini dianggap sangat berbahaya. Sensor polusi bisa membantu mengukur kualitas udara,
can help gauge air quality but they're very expensive to deploy at scale so a
tetapi sangat mahal untuk digunakan.
group of students in in Delhi built image classifiers in tensorflow and and
Jadi, sekelompok murid di Delhi membuat penggolong gambar di <i>TensorFlow</i>
use those to the built-in building an app called air cognizer and what it does
dan menggunakannya untuk membuat aplikasi yang disebut <i>Air Cognizer</i>.
is is basically just by using the images on a smartphone it it gives an accurate estimation of the air quality businesses
Hanya dengan menggunakan gambar pada smartphone, aplikasi ini memberikan perkiraan kualitas udara yang akurat.
are also fundamentally improving their
Bisnis juga secara fundamental
products and services built with
meningkatkan produk dan layanannya yang dibuat dengan <i>TensorFlow</i>.
tensorflow for example to a Witter strives to keep its global users informed with with
Misalnya, Twitter berusaha agar pengguna globalnya mendapat informasi
relevant and healthy content but this
dengan konten yang relevan dan sehat.
can be hard when the users follow
Namun, ini mungkin sulit
hundreds or even thousands of people so
saat pengguna mengikuti ratusan atau bahkan ribuan orang.
to solve this Twitter launched ranked timeline animal-powered feed which was
Untuk mengatasi ini, Twitter meluncurkan lini masa berperingkat, feed dengan ML
the most relevant tweets at the top of
yang menempatkan twit paling relevan di bagian atas lini masa,
the time timeline ensuring users never missed their best and most relevant
memastikan pengguna tak lewatkan konten terbaik dan paling relevan.
content and by using ten servos ecosystem of tools like tensorflow hub
Dengan menggunakan fitur ekosistem <i>TensorFlow</i>,
tensor board and tensor flow model
seperti <i>TensorFlow Hub</i>, <i>TensorBoard</i>, dan <i>TensorFlow Model Analysis</i>,
analysis Twitter was able to reduce both training and model iteration time
Twitter bisa mengurangi waktu iterasi model dan pelatihan
as well as increase the timeline quality and engagement for users specific
serta meningkatkan kualitas lini masa dan interaksi untuk pengguna.
industries are also being very much transformed by ml G health care for for
Industri tertentu juga berubah karena ML.
example is using tensorflow to improve
Misalnya, <i>GE Healthcare</i>,
MRI imaging these tensorflow models they're on real-time on MRI scanners and
menggunakan <i>TensorFlow</i> untuk meningkatkan gambar MRI. Model <i>TensorFlow</i> ini real-time pada pemindai MRI
can actually detect the orientation of the patient inside the scanner and and
dan benar-benar bisa mendeteksi orientasi pasien di dalam pemindai.
and this is a really great because not only does this help the diagnosis but
Ini sangat bagus karena tak hanya membantu diagnosis,
but also lowers the errors and exam time
tetapi juga mengurangi error dan waktu pemeriksaan.
but also it what's really cool is it basically expands this technology to
Yang sangat keren adalah mengembangkan teknologi ini
many many more people around the world
untuk lebih banyak lagi orang di seluruh dunia.
tensorflow also powers bleeding-edge
<i>TensorFlow</i> juga mendukung riset yang super baru.
research at a team of scientists researchers and engineers at nurse Oak
Tim ilmuwan, peneliti, dan insinyur
Ridge National Laboratory and an ad
di Laboratorium Nasional Oak Ridge dan NVIDIA
Vidya recently won the Gordon Bell prize
baru-baru ini memenangkan Hadiah Gordon Bell
for applying deep learning to to study the effects of extreme weather patterns
karena menerapkan deep learning untuk mempelajari efek pola cuaca ekstrem
using high-performance computing they
menggunakan komputasi kinerja tinggi.
built and scaled a neural network to I
Mereka membangun dan membuat model jaringan saraf,
are using tensor flow of course to a run
tentu dengan <i>TensorFlow</i>,
on Summit their world's fastest
untuk dijalankan di <i>Summit</i>, superkomputer tercepat di dunia.
supercomputer they achieved the peak and sustained throughput of 1.13 exa flops and FPC 16 which is equivalent to more
Mereka mencapai hasil puncak dan konstan 1,13 exaFLOPS dan FPC-16
than the quantum computations per second
yang setara dengan lebih dari satu kuantiliun komputasi per detik.
I just think I need to pause for a second because that is ridiculously fast
Saya pikir saya perlu berhenti sejenak karena itu sangat cepat.
right in addition to to these awesome
Benar, kan? Selain contoh-contoh luar biasa ini,
examples there are thousands and thousands of people all over the world
ada ribuan orang di seluruh dunia
doing amazing work using tensor flow and
yang melakukan pekerjaan hebat dengan <i>TensorFlow</i>.
the power and impact of tensor flow
Kekuatan dan dampak <i>TensorFlow</i> takkan seperti itu
would not be what it is without all of you thank you it's it's with your help
tanpa kalian semua, terima kasih.
and an interest that tentacle has become
Dengan bantuan dan minat kalian,
the most widely adopted ML framework in
<i>TensorFlow</i> telah menjadi framework ML yang paling banyak digunakan di dunia.
the world and right here I'd like to show the latest map of github stars who
Di sini, saya ingin menunjukkan peta terbaru bintang GitHub
self-identified their look location I'm
yang mengidentifikasi lokasi mereka sendiri.
sure many of the dots on this map are right here in the room and on the live
Saya yakin banyak titik di peta ini ada di ruangan ini dan di Livestream,
ships I just want to say thank you one more time
jadi saya ingin berterimakasih lagi.
and this growth has been absolutely
Pertumbuhan ini sangat luar biasa.
amazing tensorflow has been down downloaded over 41 million times and has
<i>TensorFlow</i> telah didownload lebih dari 41 juta kali
over 1,800 contributors worldwide
dan punya lebih dari 1.800 kontributor di seluruh dunia.
last November we celebrated ten tenths
November lalu, kami merayakan ulang tahun ketiga <i>TensorFlow</i>
of a third birthday by taking a look back at the different components that
dengan melihat kembali berbagai komponen
that we've added throughout the years
yang telah kami tambahkan selama ini.
but today we'd like to talk about how tensorflow has matured as a platform to
Hari ini, kami ingin bicarakan <i>TensorFlow</i> yang telah tumbuh dari sebuah platform
become an entire end-to-end ecosystem
menjadi sebuah ekosistem end-to-end.
and tensorflow 2.0 is the start of a new
<i>TensorFlow 2.0</i> adalah awal dari era baru.
era and we're committed and focused on
Kami berkomitmen dan fokus untuk menjadikannya
making it the best ml platform for all
platform ML terbaik untuk semua pengguna kami.
our users so talk more about tensorflow
Untuk bicara lebih jauh tentang <i>TensorFlow 2.0</i>,
to tirado I'd like to introduce Raja
saya ingin mengundang Rajat Monga,
manga engineering director of tensor flow on stage thank you Thank You Lena
Direktur Teknik <i>TensorFlow</i>, ke atas panggung. Terima kasih.
hello everyone
Terima kasih, Alina.
I'm Raja I am an engineer intensive
Halo, semuanya. Saya Rajat.
floor and have been involved with this since the very beginning it's been great
Saya insinyur di <i>TensorFlow</i> dan telah terlibat di dalamnya sejak awal.
to see what we've been up to over the
Sangat menyenangkan melihat apa yang sudah kami lakukan
last few years all the amazing growth
dalam beberapa tahun ini.
and all the amazing things that you've done with it
Semua perkembangan hebat dan hal hebat yang Anda lakukan dengannya.
it's also been great to hear from you
Senang mendengar masukan Anda.
that's what you like about tensile foam
Anda beri tahu yang disuka dari <i>TensorFlow</i>
and equally importantly what you would like to see improved in terms of your
dan yang tak kalah penting, yang ingin Anda tingkatkan di <i>TensorFlow</i>.
feedbacks been loud and clear you asked
Masukan Anda kami dengar dengan jelas.
for simpler more intuitive api's and development experiences you pointed out
Anda meminta API yang lebih sederhana dan intuitif dalam pengalaman developer.
areas of redundancy and complexity and
Anda menunjukkan bidang yang mubazir dan rumit
you asked for better documentation and examples
dan meminta dokumentasi dan contoh yang lebih baik.
and this is exactly what we've been focusing on with turns flow 2.0
Inilah yang kami fokuskan dengan <i>TensorFlow 2.0</i>.
to make it easy we focused on Keros for a single set of api's and combine it
Untuk mempermudahnya, kami fokus pada <i>Keras</i> karena hanya satu set API
with eager execution for the simplicity of python its ex ability to try the
dan gabungkan dengan <i>Eager Execution</i> karena kemudahan Python.
craziest ideas inability to go beyond an
Dengan fleksibilitas mencoba ide-ide gila
exaflop tensorflow is more powerful than
dan kemampuan untuk lampaui exaFLOP,
ever
<i>TensorFlow</i> lebih hebat dari sebelumnya.
with the same robustness and performance
Dengan kekokohan dan kinerja
you expect in production battle-tested and Google
yang Anda harapkan dalam produksi, telah teruji di Google.
let's start with the overall architecture for tensorflow
Mari mulai dengan keseluruhan arsitektur <i>TensorFlow</i>.
you may be familiar with this high-level
Anda mungkin tahu arsitektur tingkat tinggi ini.
architecture they've been lots of components and features we've added throughout the years to help support
Banyak komponen dan fitur yang kami tambahkan selama ini
workloads to go from training to deployment intensive flow 2.0 we're
untuk mendukung beban kerja dari pelatihan hingga penerapan.
really making sure that these components
Dengan <i>TensorFlow 2.0</i>, kami memastikan
work better together
semua komponen ini bekerja bersama dengan lebih baik.
here's how these powerful API components
Seperti inilah komponen API yang hebat ini
fit together for the entire training
untuk seluruh alur kerja pelatihan.
work for the TF data for data ingestion and transformation
Dengan <i>tf.data</i> untuk konsumsi dan transformasi data,
caris and pre-made estimators from model
<i>Keras</i> dan estimator siap pakai dari pembuatan model,
building training with eager execution
pelatihan dengan <i>Eager Execution</i> dan grafik,
and graphs and finally packaging for deployment would save money
dan terakhir, pengemasan untuk penerapan dengan <i>SavedModel</i>.
let's take a look at some examples the
Mari lihat beberapa contoh.
first thing you need is data often you
Pertama, butuh data.
may want to validate results or test
Anda kerap ingin memvalidasi hasil atau menguji ide baru
your new ideas or in common public data
dalam kumpulan data publik umum.
set tensorflow data sets includes a
Kumpulan data <i>TensorFlow</i> berisi
large in rapidly growing collection of
koleksi kumpulan data publik yang besar dan berkembang pesat
public data sets that you can get started with very easily and combined
yang bisa dimulai dengan sangat mudah.
with TF data it is simple to wrap your own narrative
Dipadukan dengan <i>tf.data</i>, juga mudah untuk membungkus data Anda.
here's a small sample of the data sets
Ini contoh kecil dari kumpulan data yang tersedia.
that are available and all of these and many more are included there
Semua ini dan masih banyak lagi termasuk di sana.
then with Karis you can express the
Lalu dengan <i>Keras</i>, model bisa diekspresikan dengan lapisan,
model with layers just as you are used to thinking about it standard training
sama seperti Anda terbiasa memikirkannya.
and evaluation is packaged as well with
Pelatihan dan evaluasi standar juga dikemas
model fit and evaluate
dengan <i>model.fit</i> dan <i>.evaluate</i>.
since steep learning models are often computationally expensive you may wanna
Karena model deep learning secara komputasi lebih mahal,
try scaling this across more than one
cobalah membuat model mini di lebih dari satu perangkat.
device tensorflow comes pre-built with
<i>TensorFlow</i> hadir dengan <i>MirroredStrategy</i>
mirrored strategy that works with small additions to your code
yang bekerja dengan sedikit tambahan pada kode.
starting from a pre-trained modular
Memulai dari komponen atau model yang telah dilatih
component also works well to reduce some of this computational cost to make it
juga bisa mengurangi sebagian biaya komputasi ini.
easy
Untuk mempermudahnya,
tensorflow hub provides a large collection of pre trained components
<i>TensorFlow Hub</i> menyediakan banyak koleksi komponen yang telah dilatih
that you can include in your model and
yang bisa disertakan dalam model
even find you in for your specific data set
dan bahkan disempurnakan untuk kumpulan data Anda.
Kerris an estimator offer high-level
<i>Keras</i> dan <i>.estimator</i> menawarkan penyusun tingkat tinggi
building blocks for an easy-to-use
untuk paket yang mudah digunakan.
package they come with everything you might need for typical training jobs
Mereka dilengkapi dengan semua yang dibutuhkan untuk pelatihan biasa.
but sometimes you need a bit more
Namun, terkadang Anda perlu kontrol lebih.
control for example when you're exploring new kinds of algorithms
Misalnya, saat menjelajahi jenis algoritme baru.
let's say you wanted to build a custom encoder for machine translation here's
Katakanlah, Anda ingin membuat encoder khusus untuk terjemahan mesin.
how you might do this by sub-classing a
Ini caranya dengan mensubklasifikasikan model.
model here you can focus on implementing the computational algorithm and let the
Di sini, Anda bisa fokus pada penerapan algoritma komputasi
framework take care of the rest and you
dan membiarkan framework mengurus sisanya.
could even customize the training loop
Loop pelatihan bisa disesuaikan
to get full control over the gradients and the optimization process
untuk mengontrol penuh gradien dan proses optimisasi.
while training models rather package
Selagi melatih model,
with carers or more complex ones it's
baik dikemas dengan <i>Keras</i> atau yang lebih kompleks,
often valuable to understand the
kerap berguna untuk memahami perkembangannya
progress and even analyze the model in
dan bahkan menganalisis model secara detail.
detail tensor board provides a lot of visualization to help with this
<i>TensorBoard</i> menyediakan banyak visualisasi untuk ini
and now it comes full integration with
dan kini dapat berintegrasi penuh
inter collab and other jupiter notebooks
dengan Intercollab dan notebook Jupiter lainnya,
allowing you to see the same visualizations right from within your notebook
memungkinkan untuk melihat visualisasi yang sama langsung dari notebook.
all of these features are available in tensorflow 2.0
Semua fitur ini tersedia di <i>TensorFlow 2.0</i>.
and I'm really excited to announce that our alpha release is available for you as of today many of you in the room and
Saya sangat senang mengumumkan rilis alfa kami tersedia mulai hari ini.
across the world really helped with lots
Banyak orang di sini dan di seluruh dunia yang sangat membantu
of work in testing to make this possible
dalam pengujian untuk mewujudkan hal ini.
I really think they'd like to take this
Saya ingin memanfaatkan momen ini untuk berterima kasih.
moment to thank you all please give yourself a round of applause we really
Tepuk tangan untuk diri Anda.
couldn't have done this without you [Applause]
Kami tak bisa melakukan ini tanpa Anda.
in addition to all the great improvements we talked about this
Selain semua peningkatan hebat yang kami telah bicarakan,
release comes with a converter script to help you upgrade from one point X and a
rilis ini dilengkapi dengan skrip konversi untuk membantu upgrade dari 1.X.
compatibility module to give you access to the one point X API is for easy
dan modul kompatibilitas untuk memberi akses ke API 1.X.
transition
untuk transisi yang mudah.
working towards the full release over the next quarter
Kami berusaha membuat rilis penuhnya selama kuartal mendatang.
there's a lot of work going on to make
Banyak yang dilakukan untuk membuat <i>TensorFlow 2.0</i>
tensorflow 2.0 it really work well for
bekerja dengan baik untuk Anda.
you you can track the progress and
Anda bisa lacak perkembangannya dan beri masukan
provide feedback on the tents of locate hub projects page
di laman project GitHub <i>TensorFlow</i>.
you asked for better documentation and
Anda minta dokumentasi lebih baik,
we work to streamline our docks four api's guides and tutorials
kami berusaha merampingkan dokumen untuk API, panduan, dan tutorial.
all of this material will be available
Semua materi ini akan tersedia hari ini
today on the newly redesigned tensorflow
di situs <i>TensorFlow.org</i> yang baru didesain ulang,
door org website we'll find more examples documentation and tools to get
tempat menemukan lebih banyak contoh, dokumentasi, dan tool untuk memulai.
started we're really very excited about these changes and what's to come
Kami sangat antusias tentang perubahan ini dan yang mendatang.
and to tell you more about improvements intensive flow for research and
Untuk menceritakan peningkatan di <i>TensorFlow</i> untuk riset dan produksi,
production I'd like to welcome Megan Cachola on stage thank you thanks Rajat
saya undang Megan Kacholia naik ke panggung, terima kasih.
tensorflow has always been a platform
Terima kasih, Rajat.
for research to production we just saw
<i>TensorFlow</i> selalu menjadi platform untuk riset hingga produksi.
how tensorflow as high-level api's make
Kita baru melihat API tingkat tinggi <i>TensorFlow</i>,
it easy to get started and build your
mempermudah memulai dan membuat model.
models now let's talk about how it improves powerful experimentation for
Mari bicarakan bagaimana itu meningkatkan eksperimen bagi para peneliti
researchers unless you take models from research and prototyping all the way through to production
dan memungkinkan untuk ambil model dari riset dan prototipe hingga produksi.
researchers have been using tensorflow for state-of-the-art research we can see
Peneliti telah menggunakan <i>TensorFlow</i> untuk riset mutakhir.
it in paper publications which are shown
Kita bisa lihat di publikasi makalah
over the past few years in this chart
yang ditunjukkan selama beberapa tahun ini di bagan.
but powerful experimentation begins and really needs flexibility this begins
Namun, eksperimen hebat dimulai dan sangat butuh fleksibilitas.
with easy eager execution with tensor
Ini dimulai dengan <i>Eager Execution</i> dengan <i>TensorFlow</i>.
flow and tensor flow 2.0 by default every Python command is immediately
Di <i>TensorFlow 2.0</i> secara default, setiap perintah Python segera dijalankan.
executed this means you can write your code and the style you're used to
Berarti kode bisa ditulis dengan gaya yang biasa dipakai
without having to use such and run this
tanpa harus menggunakan session run.
also makes a big difference in the realm of debugging
Ini juga membawa perbedaan besar dalam debugging.
as you iterate through with eager mode you'll eventually want to distribute
Saat lakukan iterasi dengan Mode <i>Eager</i>, Anda ingin distribusikan kode
your code on two GPUs GPUs and other hardware or accelerators for this we've
ke GPU, TPU, dan hardware atau akselerator lainnya.
provided TF function which turns your
Untuk ini, kami sediakan <i>tf.function</i>
eager code into a graph function by
yang mengubah kode <i>Eager</i> menjadi grafik, fungsi demi fungsi.
function you get all of the familiar
Ada semua tool yang tak asing,
tools like Python control flow asserts
seperti Python, Control-Flow,<i> assert</i>, bahkan <i>print</i>,
even print but can convert to a graph anytime you need to including when
tetapi bisa dikonversi ke grafik kapan pun diperlukan,
you're ready to move your model into
termasuk saat Anda siap memindahkan model ke produksi.
production and even with us you'll continue to get great debugging debug
Dengan ini pun debugging yang bagus tetap tersedia.
ability is great not just in eager but
Kemampuan debug sangat bagus, tak hanya dalam <i>Eager</i>,
we've made huge improvements in TF function and graphs as well and this
tetapi <i>tf.function</i> dan grafik juga ditingkatkan.
example shown here we're splitting a
Dalam contoh ini,
tensor using TF function which creates a
kami membagi <i>Tensor</i> menggunakan<i> tf.function</i> yang membuat grafik,
graph but because of the mismatched inputs you get an error as you can see
tetapi karena input yang tak cocok, muncul error.
we now give users the information about
Seperti terlihat, kami beri pengguna
the file and the line number where the
info tentang file dan nomor baris tempat error terjadi di model
error occurred in the model to help you more quickly track things down so you can continue iterating we've made the
untuk melacaknya lebih cepat sehingga iterasi bisa dilanjutkan.
error messages concise easy to understand and actionable we hope you
Kami membuat pesan error ringkas, mudah dipahami, dan bisa ditindaklanjuti.
enjoy these changes and they make it
Kami harap Anda menikmati perubahan ini dan mempermudah
much easier for you to quickly iterate and progress with your models
untuk lakukan iterasi dengan cepat dan melanjutkan model.
performance is another area we know that researchers as well as all users for that matter care about and we've
Kinerja adalah bidang lain yang kami tahu dipedulikan peneliti dan semua pengguna.
continued improving core performance and
Kami terus meningkatkan kinerja inti di <i>TensorFlow</i>.
tensor flow since last year we've sped
Sejak tahun lalu,
up training on eight nvidia tesla v1 hundreds by almost double using a google
kami mempercepat pelatihan pada delapan NVIDIA Tesla V100 hampir dua kali lipat.
cloud TPU v2 we've boosted performance
Menggunakan Google Cloud TPU V2,
by 1.6 x and with Intel MKL acceleration
kami meningkatkan kinerja 1,6x. Dengan Intel MKL Acceleration,
we've got an inference speed up by
kecepatan inferensi dipercepat hampir tiga kali lipat.
almost three times performance we'll continue to be a big focus of tensor
Kinerja akan terus menjadi fokus utama <i>TensorFlow 2.0</i>
flow 2.0 and a core part of our progress to final release
dan bagian inti dari perkembangan ke rilis akhir.
tensorflow also provides flexibility to
<i>TensorFlow</i> juga memberi fleksibilitas untuk memfasilitasi peneliti
enable researchers and this is with many
dengan banyak library add-on
add-on libraries that extend and expand
yang mengembangkan dan memperluas <i>TensorFlow</i>
tensor flow in new and useful ways some
dengan cara yang baru dan bermanfaat.
of these add-on libraries or extensions
Beberapa library add-on atau ekstensi mempermudah masalah tertentu,
to make certain problems easier like TF text with Unicode and the new ragged
seperti <i>TF.Text</i> dengan Unicode
tensor type in other cases it lets us
dan tipe <i>Ragged Tensor</i> yang baru.
explore how we can make machine learning
Ini juga memungkinkan kita menelusuri
models fairer and safer by OTF privacy
cara membuat model machine learning menjadi lebih adil dan aman
you'll also hear new announcements on TF agents for reinforcement learning and
dengan <i>TF Privacy</i>. Juga akan ada pengumuman baru tentang<i> TF-Agents</i> untuk reinforcement learning,
tomorrow we'll be discussing the new TF
dan besok, kami akan bahas library TF baru yang digabungkan
federated library for federated learning
untuk federated learning.
deep loading research is also being applied to real-world applications using
Riset deep learning juga diterapkan pada aplikasi dunia nyata
tensor flow here are a few examples from
menggunakan <i>TensorFlow</i>.
researchers at Google where we see them
Ini beberapa contoh dari para peneliti di Google
applying it areas like our data centers
yang menerapkannya pada bidang seperti pusat data kami.
we're making them more efficient with a
Kami buat lebih efisien dengan sistem kontrol AI
I control system that delivers energy
yang menghasilkan penghematan energi.
savings our apps like Google Maps the
Aplikasi kami, seperti Google Maps, yang di tengah,
one shown in the middle which has a new navigation feature called global
yang punya fitur navigasi baru yang disebut pelokalan global.
localization it combines visual positioning service Street View and
Yang memadukan layanan pemosisian visual, Street View, dan machine learning
machine learning to more accurately identify position and orientation and
agar lebih akurat mengidentifikasi posisi dan orientasi.
devices like the Google pixel that use
Perangkat seperti Google Pixel
machine learning to improve depth
yang pakai ML untuk tingkatkan estimasi kedalaman
estimation to create better portrait mode photos like the one shown here
untuk membuat foto mode potret yang lebih baik seperti terlihat di sini.
in order to make these real-world
Untuk mewujudkan aplikasi dunia nyata ini,
applications a reality you must be able to take models from research and
Anda harus bisa mengambil model dari riset dan prototipe
prototyping all the way through to
hingga peluncuran dan produksi.
launching in production this has always been a core strength and focus for
Ini selalu menjadi kekuatan inti dan fokus untuk <i>TensorFlow</i>.
tensor flow using tensor flow you can
Dengan <i>TensorFlow</i>, model bisa diterapkan
deploy your models on a number of platforms like shown here and models end
pada sejumlah platform seperti terlihat di sini.
up in a lot of places so we want to make
Model berakhir di banyak tempat.
sure tensor flow works well across all
Kami ingin pastikan <i>TensorFlow</i> berfungsi baik pada semuanya,
of these on servers and in cloud on mobile and other edge devices in browser
di server, cloud, perangkat seluler dan Edge lainnya,
and JavaScript platforms we have
platform JavaScript, dan browser.
products for each of these tensor flow
Ada produk untuk masing-masingnya.
extended tons of flow light and tensor
<i>TensorFlow Extended</i>,<i> TensorFlow Lite</i>, dan <i>TensorFlow.js</i>
flow Jas which I'll briefly talk through
yang akan saya bahas sedikit.
tensorflow extended is our indian
<i>TensorFlow Extended</i> adalah platform end-to-end
platform for managing every stage of the
untuk mengelola setiap tahap siklus machine learning.
machine learning lifecycle this spans all the way from ingesting and
Ini mencakup mencerna dan mengubah data
transforming your data to deploying your machine learning models at scale in
hingga menerapkan model machine learning dengan skala.
orange she don't shown here you can see the libraries we've open-sourced so far what
Yang jingga ini adalah library yang kami open source sejauh ini.
this slide alludes to is that we're now
Yang ditunjukkan slide ini adalah kami melangkah lebih jauh
taking a step further and providing components built from these libraries
dan menyediakan komponen dari library ini
that make up an end-to-end platform and
yang membentuk platform end-to-end.
note these are the same components that
Ini komponen yang digunakan internal
are used internally in thousands of
dalam ribuan sistem produksi,
production systems powering Google's most important products the components
menggerakkan produk terpenting Google.
are only part of the story 2019 is the
Komponen hanya sebagian saja.
year we're putting it all together and
2019 adalah tahun kami mengumpulkan semuanya
providing you with an integrated into
dan memberi Anda platform end-to-end yang terintegrasi.
end platform first you can bring your
Pertama, bisa bawa orchestrator sendiri.
own Orchestrator here we're showing air flow or coop flow or even raw kubernetes
Di sini, kami menampilkan Airflow atau Kubeflow, bahkan Kubernetes mentah,
whatever you want no matter what
apa pun yang Anda mau.
Orchestrator you choose the tensor flow
Apa pun orchestrator yang Anda pilih,
extending components integrate with a
komponen yang kembangkan <i>TensorFlow</i> terintegrasi dengan Metadata Store.
metadata store this store keeps track of
Store ini melacak semua komponen yang berjalan,
all the component runs the artifacts that went into him into them and the
artefak yang masuk,
artifacts that were also produced this
dan artefak yang juga diproduksi.
enables advanced features like experiments experimentation and
Ini mengaktifkan fitur canggih seperti eksperimen, eksperimentasi,
experiment tracking model comparison and
pelacakan eksperimen, perbandingan model,
things along those lines that I'm sure
dan hal-hal seperti itu yang pasti akan membuat Anda antusias
you'll be excited about and will help you as you iterate through and work with
dan akan membantu saat melakukan iterasi
your production systems we have an end
dan bekerja dengan sistem produksi Anda.
and talk coming up later today from
Akan ada ceramah end-to-end dari Clemens dan timnya
Clements and his team in which they'll
saat mereka memberi tur lengkap
take you on a complete tour of using tensor flow extended to solve a real problem
tentang penggunaan <i>TensorFlow Extended</i> untuk pecahkan masalah nyata.
moving on tensorflow light is our
Selanjutnya, <i>TensorFlow Lite</i> adalah solusi untuk jalankan model
solution for running models on mobile
pada hardware IoT dan seluler.
and IOT hardware it uses a custom stream
<i>Lite</i> menggunakan format file streamline khusus
line file format and a stripped-down
dan waktu proses yang dikurangi
runtime so you can deploy tensorflow models everywhere your users are on
sehingga model <i>TensorFlow</i> bisa digunakan di mana pun pengguna berada.
device models can be more responsive to input than cloud backends and they keep
Model di perangkat bisa lebih responsif terhadap input daripada cloud backend,
user data on device for privacy which is
dan simpan data pengguna di perangkat untuk privasi
very important especially in this day
yang sangat penting, terutama pada masa kini.
and age Google and our partners like hae in China use TF Lite for all kinds of
Google dan mitra kami, seperti IGE di Tiongkok, menggunakan <i>TF Lite</i>
tools including predictive text
untuk berbagai tool,
generation video segmentation and things
termasuk pembuatan teks prediktif, segmentasi video,
like edge detection
dan hal-hal seperti pendeteksian Edge.
but under the hood tensorflow light is
Di balik tampilannya, inti <i>TensorFlow Lite</i> adalah kinerja.
about performance you can deploy models to CPU GPU and even edge CPUs and expect
Model bisa diterapkan pada CPU, GPU, dan bahkan TPU Edge
fast performance and we've been refining
dan mengharapkan kinerja yang cepat.
since we launched tensorflow light last
Kami telah menyempurnakan sejak luncurkan<i> TensorFlow Lite</i> tahun lalu.
year by using the latest quantization techniques on CPU adding support for
Dengan menggunakan teknik kuantisasi terbaru pada CPU,
OpenGL 3.1 and metal on GPUs and tuning
menambahkan dukungan untuk OpenGL 3.1 dan Metal pada GPU,
our performance on edge CPUs we're
dan meningkatkan kinerja kami pada TPU Edge,
constantly pushing the limits of what is possible on device and you should even
kami terus mencoba melampaui batas yang mungkin pada perangkat.
greater enhancements in the year ahead
Anda bisa mengharapkan peningkatan yang lebih besar tahun depan.
we'll hear details from Raziel and his
Kita akan dengar detail dari Raziel dan rekan-rekannya
colleagues coming up in a little bit this morning
sebentar lagi pagi ini.
javascript is the number one programming
JavaScript adalah bahasa pemrograman nomor satu di dunia
language in the world until recently hasn't necessarily benefited from all
dan baru belakangan ini diuntungkan
the machine learning development and
dari pengembangan dan tool machine learning.
tools last year we released tensorflow
Tahun lalu, kami merilis <i>TensorFlow.js</i>,
Jas a library for training and deploying
library untuk pelatihan dan penerapan model machine learning
machine learning models in the browser and on nodejs since then we've seen huge
di browser dan <i>Node.js</i>.
adoption in the JavaScript community
Sejak itu, kami lihat banyak dipakai di komunitas JavaScript
with more than 300,000 downloads and 100
dengan lebih dari 300.000 download dan 100 kontributor,
contributors but we're just at the
tetapi kami baru memulai,
beginning given how big the JavaScript and web ecosystem is today we're excited
mengingat besarnya ekosistem web dan JavaScript.
to announce tensorflow J's version 1.0
Hari ini, kami antusias mengumumkan<i> TensorFlow.js</i> versi 1.0.
this comes with many improvements and
Versi ini memiliki banyak perbaikan dan fitur baru.
new features we have a library of off-the-shelf models for common machine
Kami punya library model siap pakai untuk masalah machine learning umum
learning problems that run both in the browser and on node we're also adding
yang dijalankan di browser dan node.
support for more platforms where
Juga ada dukungan untuk lebih banyak platform
JavaScript runs such as electron desktop
yang mendukung JavaScript, seperti aplikasi desktop elektron
apps or mobile native platforms and a
atau platform asli seluler.
huge focus in tensorflow gjs 1.0 is on
Fokus besar di <i>TensorFlow.js</i> 1.0
performance improvements as an example
ada pada peningkatan kinerja.
compared to last year mobile net
Misalnya, dibandingkan dengan tahun lalu,
inference and browser is now 9 times
browser dan Inferensi MobileNet kini sembilan kali lebih cepat.
faster you'll learn more about these advances in our talk later in the day
Kemajuan ini bisa dipelajari dalam ceramah kami nanti.
another language that we're really excited about is swift swift for
Bahasa lain yang sangat kami sukai adalah Swift.
tensorflow is reexamining what it means
Swift untuk TensorFlow memeriksa ulang
for performance and usability with a new
apa artinya kinerja dan kegunaan.
stack built on top of ten circles core
Dengan stack baru yang dibuat di atas inti <i>TensorFlow</i>
and a new programming model that it intends to bring further usability and
dan model pemrograman baru yang bertujuan untuk memperluas kegunaan.
today we're announcing that Swift for tensorflow is now at version 0.2 it's
Hari ini, kami mengumumkan bahwa Swift untuk <i>TensorFlow</i> kini ada di versi 0.2.
ready for you to experiment with to try
Sudah siap untuk dipakai bereksperimen, untuk dicoba.
out and we're really excited to be bringing this to the community in
Kami sangat antusias membawa ini ke komunitas.
addition to telling you about version
Selain memberi tahu tentang versi 0.2,
0.2 we're also excited to announce that Jeremy Howard a fast a I is writing a
kami juga senang mengumumkan bahwa Jeremy Howard dari <i>fast.ai</i>
new course in Swift for tensorflow Chris
sedang buat kursus baru tentang Swift untuk <i>TensorFlow</i>.
and Brennan will tell you a lot more about this later today
Chris dan Brennan akan cerita lebih banyak tentang ini nanti.
so to recap everything we've shown you
Untuk merangkum semuanya sejauh ini,
so far tensorflow has grown to a full
<i>TensorFlow</i> telah berkembang menjadi ekosistem penuh
ecosystem from research to production
dari riset hingga produksi,
from sir berlin to mobile with many
dari server hingga ponsel dengan banyak bahasa.
languages this growth has been fueled by
Perkembangan ini dipicu komunitas kami,
our community and honestly would not have been possible without the community
dan sejujurnya tak mungkin terjadi tanpa komunitas.
to talk about what we're planning for you and with you in 2019 I'll hand it
Untuk membahas rencana kami untuk Anda dan bersama Anda pada tahun 2019,
over to come on Thank You Megan hi my
saya serahkan kepada Kemal. Silakan. Terima kasih, Megan.
name is Kemal and I'm the product
Hai, nama saya Kemal.
director for tensorflow I'm really
Saya Direktur Produk untuk <i>TensorFlow</i>.
excited to be here today for this celebration and what we're celebrating
Saya sangat senang ada di sini hari ini untuk perayaan ini.
is the most important part of what we're
Yang kita rayakan adalah bagian terpenting
building and that's the community
dari yang sedang kita bangun, yaitu komunitas.
personally I love building developer
Saya suka membuat platform developer.
platforms I used to be a developer as an
Dahulu, saya seorang developer dan pengusaha.
entrepreneur and now I get to enable
Kini, saya bisa mendukung developer lain
other developers by building together a better platform
dengan membangun bersama platform yang lebih baik.
when we started working on 2.0 we turned to the community we started with the
Saat mulai menggarap 2.0, kami meminta bantuan komunitas.
request for common process consulting
Kami memulai dengan permintaan untuk proses umum,
with all of you on important product
berkonsultasi dengan kalian tentang keputusan produk yang penting.
decisions we received valuable feedback
Kami menerima masukan berharga.
and we can have built 2.0 without you
Kami tak bisa membuat 2.0 tanpa kalian.
and some of you wanted to get more
Beberapa dari kalian ingin lebih terlibat.
involved so we created special interest
Jadi, kami membuat kelompok kepentingan khusus atau SIG,
groups or cigs like networking or tensor
di antaranya adalah <i>Networking</i> atau <i>Tensor Board</i>.
war to name a few and cigs are really a great way for the community to build the
SIG benar-benar cara yang bagus untuk komunitas
pieces of tensorflow that they care the most about we also wanted to hear more
untuk membuat bagian <i>TensorFlow</i> yang paling mereka pedulikan.
about what you were building so we
Kami juga mau dengar apa yang sedang Anda buat.
launched it powered by tensorflow
Jadi, kami mulai kampanye Powered By TensorFlow.
campaign and I gotta say we were amazed by the creativity of the project from
Harus saya akui, kami kagum pada kreativitas project ini,
biological image analysis to custom
dari analisis citra biologis, wearable kustom,
wearables to chat BOTS so after three
hingga BOT untuk chat.
years our community's really thriving
Jadi, setelah tiga tahun, komunitas kami benar-benar berkembang.
there almost 70 machine learning GT
Sudah ada hampir 70 GDE machine learning saat ini.
e--'s right now around the world eighteen hundred contributors on core
Di seluruh dunia, ada 1.800 kontributor untuk inti saja,
alone and countless more of you who are doing amazing work to help make
dan lebih banyak lagi yang bekerja dengan hebat
tensorflow successful so on behalf of
untuk menyukseskan <i>TensorFlow</i>.
the whole tensorflow team we want to say
Jadi, atas nama seluruh tim <i>TensorFlow</i>,
a huge thank you so we have big plans
kami mengucapkan terima kasih banyak.
for 2019 and I would like to make a few
Kami punya rencana besar untuk 2019.
announcements first as our community
Saya ingin mengumumkan beberapa hal.
grows we welcome people who are new to
Pertama, seiring bertumbuhnya komunitas, kami sambut mereka yang baru kenal machine learning.
machine learning and it's really important to provide them with the best educational material so we're excited to
Sangat penting untuk memberi mereka materi pendidikan terbaik.
announce two new online courses one is with deep
Jadi, kami antusias mengumumkan dua kursus online baru.
learning da di and it's published in the
Salah satunya dengan <i>deeplearning.ai</i>
Coursera platform and the others with
dan diterbitkan di platform Coursera.
Udacity the first batch of these lessons
Yang kedua dengan Udacity.
is available is available right now and
Gelombang pertama pelajaran ini tersedia saat ini.
they provide an awesome introduction to tensorflow for developers they require
Kedua kursus memberi pengantar yang bagus tentang <i>TensorFlow</i> bagi developer.
no prior knowledge to machine learning
Tak butuh pengetahuan machine learning untuk ikut kursus.
so I highly encourage you to check them out next if your students for the very
Sangat disarankan untuk mengunjunginya. Berikutnya, jika baru pertama kali menjadi murid,
first time you can apply to the google Summer of Code program and get to work
Anda bisa mendaftar program Google Summer of Code
with the tensorflow engineering team to
dan mulai bekerja dengan tim teknisi <i>TensorFlow</i>
help build a part of tensorflow
untuk bantu membuat bagian <i>TensorFlow</i>.
talked about the powered by tensorflow
Saya juga berbicara tentang kampanye Powered By TensorFlow.
campaign were so excited with the
Kami sangat antusias dengan kreativitasnya
creativity that we decided to launch a 2.0 hackathon on death post to let you
hingga kami memutuskan untuk meluncurkan hackathon 2.0 di DevPost
share your latest and greatest and win
untuk bagikan kreasi terbaru dan terhebat Anda
cool prizes so really excited to see
dan memenangkan hadiah keren.
what you're going to build
Kami sangat ingin melihat yang akan Anda buat.
finally as our ecosystem grows we're now
Terakhir, seiring berkembangnya ekosistem kami,
having a second day at the summit but we
ini baru hari kedua konferensi,
really wanted to do something more we
tetapi kami sangat ingin berbuat lebih.
wanted a place where you can share what you've been building on tensorflow so
Kami menginginkan tempat untuk berbagi kreasi Anda di <i>TensorFlow</i>.
we're excited to announce
Jadi, kami antusias mengumumkan
since of the world a week-long
<i>TensorFlow World</i>,
conference dedicated to open source collaboration this conference will be Co
konferensi selama seminggu untuk kolaborasi open source.
presented by aurélie media and
Konferensi ini akan disajikan bersama oleh O'Reilly Media dan <i>TensorFlow</i>
tensorflow and will be held in Santa Clara and of
dan akan diadakan di Santa Clara akhir Oktober.
October our vision is to bring together the Austin tensorflow world and give a
Visi kami adalah menyatukan<i> TensorFlow World</i> yang mengagumkan
place for folks to connect with each other so I'd like to invite on stage
dan memberi tempat untuk saling berinteraksi.
Geena blader to say a few words about
Jadi, saya ingin mengundang Gina Blaber ke atas panggung
the conference Thank You Camille
untuk menjelaskan konferensi itu. Terima kasih, Kemal.
O'Reilly is a learning company with a focus on technology and business we have
O'Reilly adalah perusahaan pembelajaran yang berfokus pada teknologi dan bisnis.
strong ties with the open source
Kami punya hubungan erat dengan komunitas open source
community as many of you know and we
seperti kalian tahu,
have a history of bringing big ideas to life that's why we're excited about
dan kami punya sejarah mewujudkan ide-ide besar.
partnering with tensorflow
Itu sebabnya kami sangat senang bisa bermitra dengan <i>TensorFlow</i>
to create this new event that brings
untuk buat acara baru ini
machine learning and AI to the community
memperkenalkan machine learning dan AI ke komunitas.
the event is tensorflow happening October 28 to 31 in Santa Clara and when
Acara <i>TensorFlow</i> berlangsung pada 28 hingga 31 Oktober di Santa Clara.
I say community I mean everyone we want
Saat saya mengatakan komunitas, maksud saya adalah semua orang.
to bring together the entire tensorflow
Kami ingin menyatukan seluruh komunitas <i>TensorFlow</i>
community of individuals and teams and enterprises this is the place where
yang terdiri atas individu, tim, dan perusahaan.
you'll meet experts from around the
Ini tempat di mana Anda bertemu ahli dari seluruh dunia,
world the team that actually creates
tim yang menciptakan <i>TensorFlow</i>,
tensorflow and the companies and enterprises that will help you deploy it we have an open
serta perusahaan dan firma yang akan membantu Anda menerapkannya.
CFP right now on the tensorflow world
Saat ini, kami menerima proposal di situs <i>TensorFlow World</i>.
site I invite you all to check that out and send in your proposal soon so your
Kami undang Anda untuk mengunjunginya dan mengirimkan proposal Anda segera
voice is heard at that event we look
agar suara Anda terdengar di acara itu.
forward to seeing you at tensorflow
Kami berharap bisa bertemu Anda di <i>TensorFlow World</i> bulan Oktober.
world in october thank you [Applause]
Terima kasih.
Thank You Gina this is gonna be great are you guys excited whoo so we have a
Terima kasih, Gina. Pasti akan hebat. Apa kalian antusias?
few calls to action for you take a
Jadi, kami meminta Anda bertindak.
course submit a talk to TF world start
Ikuti kursus, kirim ceramah ke <i>TF World</i>, mulai meretas 2.0.
hacking into point oh by the way the grand prize is for a hackathon on DEF
Omong-omong, hadiah utama untuk hackathon di DevPost
post will include free tickets to tensorflow world you know a one thing I
termasuk tiket gratis ke <i>TensorFlow World</i>.
love is to hear about these amazing
Satu hal yang saya sukai adalah mendengar kisah-kisah luar biasa
stories of people building awesome stuff on top of tensorflow
tentang orang membuat hal-hal keren di <i>TensorFlow</i>.
and as a team we really believe that AI
Sebagai tim, kami sangat yakin AI berkembang lebih cepat
advances faster when people have access
saat orang punya akses ke tool kami
to our tools and can then apply them to the problems that they care about in
dan bisa menerapkannya pada masalah yang mereka pedulikan
ways that we never really dreamed of and
dengan cara yang tak pernah kami pikirkan.
people when people can really do that some special things happen and I'd like
Saat orang bisa melakukan itu, beberapa hal istimewa terjadi.
to share with you something really special
Saya ingin berbagi sesuatu yang sangat istimewa.
consult our documentary sobre todo
<i>Memeriksa dokumen bersejarah,</i>
document in medieval a dia de sempre
<i>terutama dokumen dari periode Abad Pertengahan,</i>
molto Tampa Malta Batsy Anza yenakiyevo
<i>butuh banyak waktu dan kesabaran.</i>
Takano abbiamo Santosh in kilometres in area document pure men all along gates at the
<i>Di Vatican Archives, ada 85 km dokumen,</i>
canal de Panama descriptor a discreet
<i>kurang lebih sepanjang Terusan Panama.</i>
nelma do avo sono diverse edevalla
<i>Tulisan suci dengan tulisan tangan Abad Pertengahan</i>
denomination sake we're committed a
<i>berbeda dari yang kita kenal saat ini.</i>
sound or not the transcriber a trade or
Jika suatu hari seseorang meminta saya menuliskan dan menerjemahkan
to t documented LF gia vaticano super
semua dokumen Vatican Archives,
elementary dragoon motto looking at this
saya akan bilang dia benar-benar gila.
book page by page and trying to decipher
<i>Melihat sebuah buku, halaman demi halaman</i>
grid and transcribe whatever is there
dan mencoba menguraikan, membaca, dan menyalin apa pun yang ada di sana
takes an enormous amount of time she
<i>butuh banyak waktu.</i>
would require an army of paleography
Akan butuh sekumpulan paleografer.
what i'm excited the most about smashing
<i>Yang paling saya sukai dari machine learning adalah</i>
learning i said it enabled us to solve
machine learning memungkinkan memecahkan masalah
problems that up to ten fifteen years ago without unsolvable in karate not
yang hingga 10-15 tahun lalu kita kira tak bisa dipecahkan.
requested any costly a software
<i>"In Codice Ratio" lahir dari ide membuat software</i>
purported interpret our brutality Lucas
yang bisa membaca dan menafsirkan isi naskah-naskah itu.
kita dendrimers critic Wanda brem
<i>Saat mulai membahas masalah,</i>
initiated approach re problem attrition Orissa Kentucky knows will turn a possibility no rally for say as
<i>kami sadar bahwa solusi berdasarkan jaringan saraf</i>
Reutimann Tanisha's Aria la shelter zoo
<i>benar-benar diperlukan.</i>
tensorflow esta vez and Sarah to rally
<i>TensorFlow</i> adalah pilihan wajar.
before using any kind of machine
<i>Sebelum menggunakan modul machine learning apa pun,</i>
learning model we needed to collect data
harus mengumpulkan data dahulu.
first you have thousands of images of dogs and cats in the internet but it's
<i>Ada ribuan gambar anjing dan kucing di internet,</i>
very little images of ancient manuscripts we build our own custom web application for crowdsourcing and we
tetapi sangat sedikit gambar naskah kuno. <i>Kami membuat aplikasi web kustom untuk crowdsource</i>
involved high school students to collect
<i>dan melibatkan siswa SMA untuk mengumpulkan datanya.</i>
the data I didn't know much about machine learning in general but I found
Saya tak tahu banyak soal machine learning secara umum,
it very easy to create a tensorflow
<i>tetapi saya merasa sangat mudah untuk membuat lingkungan TensorFlow</i>.
environment when we were trying to figure out which model work best for us
Saat kami mencoba mencari tahu model mana yang paling cocok untuk kami,
caris was the best solution the
<i>Keras</i> adalah solusi terbaik.
production model runs on tons of flow layers and estimator interface we
<i>Model produksi dijalankan di lapisan TensorFlow dan antarmuka estimator.</i>
experimented with binary classification
<i>Kami bereksperimen dengan klasifikasi biner</i>
fully connected networks and finally we
<i>dengan jaringan yang terhubung penuh.</i>
move to convolutional neural network and
<i>Akhirnya, kami beralih ke Jaringan Saraf Buatan</i>
multi-class classification in poco
<i>dan klasifikasi multikelas.</i>
tiempo say malucia tia as VIP artists are le premiers of its own when it comes
Dalam waktu singkat, kami bisa mengembangkan dan menguji solusi pertama.
to recognizing single characters we can
Saat mengenali karakter tunggal,
get 95% average accuracy
<i>kita bisa mendapatkan akurasi rata-rata 95 persen.</i>
Patera cheddar most amento format ago abre via medieval meant Salieri shared
<i>Mampu mengakses tool IT sangat mempersingkat waktu.</i>
abbreviation comprende room Tesco in
<i>Mampu memecahkan singkatan tertentu dan memahami teks</i>
Quilici to Ragosa Kritika uncle cosas de
dalam tulisan tak jelas itu adalah sesuatu yang luar biasa.
traditionally this will have an enormous impact in a short period of time we will
Ini akan punya dampak yang sangat besar dalam waktu singkat.
have a massive quantity of historical information available I just think
Akan tersedia banyak informasi bersejarah.
solving problems is fun it's a game
Menurut saya, memecahkan masalah itu seru.
against myself and how good I can do law
Ini permainan melawan diri sendiri dan seberapa baik permainan saya.
studio de la storia important isom /
<i>Studi sejarah sangat penting</i>
comprende knows represent a para ver en
<i>untuk memahami masa kini</i>
que una perspectiva very food or oh this
<i>dan mendapatkan perspektif tentang masa depan.</i>
is this is such a great story I think
Ini kisah yang hebat.
about the scholars who wrote these
Saya memikirkan para cendekia yang menulis naskah ini.
manuscripts you could imagine they could have been imagined that centuries later
Mereka tak bisa membayangkan bahwa berabad-abad kemudian,
people will be using computers to bring
komputer akan digunakan untuk hidupkan kembali karya mereka.
back to life their work so we're really lucky to have Elena with us today lino
Kita beruntung Elena hadir bersama kita hari ini.
would you stand
Elena, maukah Anda berdiri?
don't miss the talk where she will share her story today I'm I really hope you
Jangan lewatkan ceramah saat dia berbagi kisahnya.
have a great day we have some really
Semoga hari Anda menyenangkan.
awesome things the team and I there will
Ada beberapa hal yang sangat keren. Saya dan tim akan ada di dekat sini.
be around please come and say hi we want
Datang dan sapalah kami, kami ingin dengar dari Anda.
to hear from you and with that I'm gonna hand it over to Martin who will talk
Dengan itu, saya akan kembalikan kepada Martin
about tensorflow 2.0 thank you [Music]
yang akan membahas <i>TensorFlow 2.0</i>. Terima kasih.
Similar videos:

Keynote (TensorFlow Dev Summit 2017)
Google for Developers
116.3K views 1.1K likes 25 dislikes 15 Feb 201767% match

TensorFlow Dev Summit 2019 Livestream
TensorFlow
40.9K views 612 likes 8 dislikes 06 Mar 201967% match

Keynote (Chrome Dev Summit 2019)
Chrome for Developers
60.3K views 626 likes 67 dislikes 11 Nov 201967% match

Keynote (TensorFlow Dev Summit 2018)
TensorFlow
41.4K views 457 likes 13 dislikes 30 Mar 201867% match

TensorFlow Dev Summit 2020 Keynote
TensorFlow
31.8K views 398 likes 7 dislikes 11 Mar 202067% match

Introducing TensorFlow 2.0 and its high-level APIs (TF Dev Summit '19)
TensorFlow
305.4K views 4.4K likes 0 dislikes 06 Mar 201963% match

What's new in TensorBoard (TF Dev Summit '19)
TensorFlow
23.4K views 485 likes 3 dislikes 06 Mar 201958% match

TensorFlow Lite (TF Dev Summit ‘19)
TensorFlow
22.9K views 320 likes 2 dislikes 06 Mar 201946% match

Reinforcement Learning in TensorFlow with TF-Agents (TF Dev Summit '19)
TensorFlow
32.3K views 559 likes 20 dislikes 06 Mar 201945% match

TensorFlow Dev Summit 2019 Highlights #MachineLearning
TensorFlow
42.7K views 283 likes 10 dislikes 11 Mar 201939% match

Swift for TensorFlow: The Next-Generation Machine Learning Framework (TF Dev Summit '19)
TensorFlow
30.9K views 516 likes 7 dislikes 06 Mar 201938% match

Machine Learning in JavaScript (TensorFlow Dev Summit 2018)
TensorFlow
103.2K views 2.7K likes 35 dislikes 30 Mar 201837% match

TensorFlow Dev Summit 2018 - Livestream
TensorFlow
42.6K views 619 likes 5 dislikes 30 Mar 201835% match

TensorFlow Probability: Learning with confidence (TF Dev Summit '19)
TensorFlow
38.1K views 891 likes 8 dislikes 06 Mar 201934% match

Eager Execution (TensorFlow Dev Summit 2018)
TensorFlow
31.4K views 284 likes 9 dislikes 30 Mar 201834% match

Swift for TensorFlow - TFiwS (TensorFlow Dev Summit 2018)
TensorFlow
31.9K views 501 likes 5 dislikes 30 Mar 201832% match

tf.data: Fast, flexible, and easy-to-use input pipelines (TensorFlow Dev Summit 2018)
TensorFlow
45.5K views 505 likes 12 dislikes 30 Mar 201831% match

TensorFlow Dev Summit 2020 Livestream
TensorFlow
41.3K views 1K likes 15 dislikes 11 Mar 202030% match

Developer Keynote (Google I/O '17)
Google for Developers
116.9K views 1.1K likes 67 dislikes 18 May 201725% match

Upgrade your existing code for TensorFlow 2.0 (Coding TensorFlow)
TensorFlow
46.4K views 627 likes 26 dislikes 26 Feb 201925% match

Join us at TensorFlow Everywhere
TensorFlow
1.9K views 36 likes 1 dislikes 10 Feb 202125% match

TensorFlow: an ML platform for solving impactful and challenging problems
TensorFlow
80.9K views 1.9K likes 20 dislikes 30 Mar 201824% match

Announcing TensorFlow 2.0 (Coding TensorFlow)
TensorFlow
125K views 2.8K likes 37 dislikes 30 Sep 201923% match

Get started with using TensorFlow to solve for regression problems (Coding TensorFlow)
TensorFlow
92.1K views 1.9K likes 17 dislikes 01 Mar 201923% match

Edge TPU live demo: Coral Dev Board & Microcontrollers (TF Dev Summit '19)
TensorFlow
61.5K views 898 likes 18 dislikes 13 Mar 201922% match

Powered by TensorFlow: Airbnb uses machine learning to help categorize its listing photos
TensorFlow
66K views 839 likes 10 dislikes 06 Mar 201922% match

Saving and Loading Models (Coding TensorFlow)
TensorFlow
60.7K views 971 likes 77 dislikes 25 Oct 201821% match

Build a deep neural network in 4 mins with TensorFlow in Colab
TensorFlow
74.3K views 1.3K likes 15 dislikes 12 Feb 201921% match

TensorFlow Fall 2020 updates: Keynote & what’s new since TF2.2
TensorFlow
14.8K views 502 likes 11 dislikes 18 Nov 202020% match

Superpowers with TensorFlow.js (TF Fall 2020 Updates)
TensorFlow
6.2K views 290 likes 1 dislikes 01 Dec 202020% match


Settings Privacy About Contact Donate