TensorFlow를 위한 Swift: 경계선이 없다.
TensorFlow를 위한 Swift는 머신러닝, 컴파일러, Differentiable 프로그래밍, 시스템 디자인, 그 이상의 것들에 대한 가장 최신 연구 내용을 결합시키는 머신러닝을 위한 차세대 플랫폼 입니다. 이것은 초기 단계의 프로젝트 입니다: 피처가 완전하지 않고, 상용화가 준비되지 않았지만, 선구자들로 하여금 프로젝트를 시도해볼 수 있는 수준입니다. 따라서, 피드백을 주시고 미래를 만들어나가는데 도움을 주세요!
TensorFlow를 위한 Swift 프로젝트는 현재 두 종류의 사용자를 대상으로 합니다:
-
고급 머신러닝 연구자 로, 현재의 머신러닝 프레임워크들에 한계를 느끼는 분들 입니다. TensorFlow를 위한 Swift는 현대적인 다목적 언어와의 매끄러운 통합을 통하여 보다 동적이면서도 보다 섬세한 모델을 만들 수 있다는 이점을 가지고 있습니다. 빠른 추상화는 "사용자-공간에서"(C/C++의 "프레임워크-공간"과 반대 개념) 개발될 수 있는데, 이는 손쉽게 사용자가 정의 가능한 모듈식의 APIs라느 결과를 가져오게 됩니다.
-
머신러닝 학습자 로, 머신러닝을 이제 막 시작하신 분들 입니다. Swift의 품질 도구 (컨텍스트-인지 자동완성)으 지원 덕분에, TensorFlow를 위한 Swift는 머신러징의 기초를 배우는 시작점으로써 가장 생산적인 방법 중 하나일 수 있습니다.
-
Google Colaboratory: TensorFlow를 위한 Swift를 여러분의 브러우저에 시도 해 보기 위한 가장 빠른 방법 입니다. 단순히 튜토리얼 를 열거나, 빈 노트북!로 시작해 보시기 바랍니다. 더 많은 내용은 사용법 가이드을 읽어 보시기 바랍니다.
-
로컬 환경에 설치하는 방법: 미리 빌드된, TensorFlow를 위한 Swift 패키지를 다운로드 하실 수 있습니다. 설치 완료 후, 단계별 설명을 따라하셔서 Swift 스크립트를 여러분의 컴퓨터에서 빌드하고 실행해 보실 수 있습니다.
-
소스파일을 직접 컴파일 하는 방법: TensorFlow를 위한 Swift를 커스터마이징 하거나 어떤 기여를 하고 싶으시다면, TensorFlow를 위한 Swift를 소스파일로부터 빌드하기 위한 지침으 따라 주시기 바랍니다.
| 튜토리얼 | 마지막 업데이트 시간 |
|---|---|
| Swift 투어 | 2019년 3월 |
| Python과의 상호 운용 | 2019년 3월 |
| 사용자가 정의하는 Differentiation | 2019년 3월 |
| 모델 학습의 단계적 설명 | 2019년 3월 |
| 가공되지 않은 TensorFlow 연산자들 | 2019년 3월 |
부디 swift@tensorflow.org 메일링 리스트에 참여하셔서, 가장 최신의 발표를 확인하시고, 도움도 받으시고, 여러분의 생각도 공유해 주시기 바랍니다.
TensorFlow를 위한 Swift는 머신러닝 모델을 개발하기 위한 새로운 방법 입니다. 이것은 TensorFlow의 강력함을 직접적으로 Swift 프로그래밍 언어에 통합시켜 줍니다. 저희는 머신러닝의 패러다임이 매우 중요하기 때문에, 퍼스트-클래스 언어와 컴파일러의 지원 이 마땅한 일이라고 믿고 있습니다.
머신러닝의 기본적인 요소는 경사도에 기반한 최적화로, 파라메터들을 최적화 하기 위한 함수의 미분을 계산하는 것입니다.
TensorFlow를 위한 Swift를 사용하면, gradient(of:) 와 같은 미분 연산자를 사용해서 손쉽게 함수를 미분하거나,
모델의 gradient(in:) 메소드를 호출하여 모델 전체를 미분하는 것이 가능 합니다.
이러한 미분 APIs는 Tensor-에 연관된 개념- 에서는 사용이 불가능 하지만, Float, Double, SIMD 벡터, 여러분이 직접 만든 데이터 구조를 포함하여 Differentiable 라는 프로토콜의 형식을 따르는 모든 데이터 타입들로 일반화 되어 있습니다.
// 사용자 정의 미분 가능한 데이터 타입 입니다..
struct Model: Differentiable {
var w: Float
var b: Float
func applied(to input: Float) -> Float {
return w * input + b
}
}
// `Differentiable.gradient(at:in:)` 를 사용하여 미분이 가능합니다.
let model = Model(w: 4.0, b: 3.0)
let (𝛁model, 𝛁input) = model.gradient(at: 2.0) { model, input in
model.applied(to: input)
}
print(𝛁model) // Model.AllDifferentiableVariables(w: 2.0, b: 1.0)
print(𝛁input) // 4.0미분 이외에도, TensorFlow를 위한 Swift 프로젝트는 사용자를 더욱 생산적으로 만들어주는 섬세한 툴체인을 제공합니다. 여러분은 Jupyter Notebook에서 Swift를 대화식으로 실행해 보고, 현대의 방대한 딥러닝 라이브러리의 API를 탐구하는데 도움이 되는 자동완성 기능의 사용이 가능합니다. 여러분의 브라우저에서 빠르게, 바로 시작하기! 를 해 보실 수 있습니다.
Swift의 강력한 Python 통합 덕분에, TensorFlow를 위한 Swift로 옮겨오는 것은 정말로 쉽습니다. 여러분이 이미 익숙한 문법으로 쓰여진 Python 라이브러리를 손쉽게 호출할 수 있기 때문에, 점진적으로 Python 코드를 옮겨오는 것이 가능합니다 (또는 Python 라이브러리를 있는 그대로 계속 사용할 수도 있습니다):
import TensorFlow
import Python
let np = Python.import("numpy")
let array = np.arange(100).reshape(10, 10) // 10x10 numpy 배열을 생성 합니다.
let tensor = Tensor<Float>(numpy: array) // 매끄러운 통합이 가능합니다!알아 두십시오: 프로젝트는 매우 빠르게 성장하고 있으므로, 이 문서의 몇 부분은 최신의 내용과 비교하면 약간 뒤쳐져 있을 수 있습니다.
| 문서 | 마지막 업데이트 날짜 | 상태 |
|---|---|---|
| 왜 TensorFlow를 위한 Swift 인가? | 2018년 4월 | 최신 |
| TensorFlow를 위한 Swift에 대한 디자인 오버뷰 | 2018년 4월 | 구식 |
TensorFlow를 위한 Swift 프로젝트는 강력한 이론적 기초를 기반으로 만들어 졌습니다. 그 기반이 되는 몇 가지 기술들에 대한 이해를 위해서, 아래의 문서를 확인해 보시기 바랍니다.
| 문서 | 마지막 업데이트 날짜 | 상태 |
|---|---|---|
| Swift의 Differentiable 프로그래밍 디자인 오버뷰 | 2019년 6월 | 최신 |
| 미분 가능한 데이터 타입 | 2019년 3월 | 구식 |
| 미분 가능한 함수와 APIs | 2019년 3월 | 구식 |
| Key Paths를 이용한 동적 속성 순회 | 2019년 3월 | 최신 |
| 계층적 파라메터 순회 및 최적화 | 2019년 3월 | 최신 |
| Swift에서의 프스트-클래스 자동 미분: A Manifesto | 2018년 10월 | 구식 |
| 자동 미분 백서 | 2018년 4월 | 구식 |
| Python 과의 상호 운용 | 2018년 4월 | 최신 |
| 그래프 프로그램 추출 | 2018년 4월 | 구식 |
컴파일러 및 표준 라이브러리의 개발은 apple/swift 저장소의 tensorflow 브랜치에서 진행 중 입니다.
프로젝트의 핵심을 담고 있는 추가적인 코드 저장소로는 다음이 포함 됩니다.
- LLDB에서 갈라져나온 Swift: 디버거 및 REPL에 관련된 저장소 입니다.
- 딥러닝 라이브러리: Keras 사용자에게 친숙한 고수준 API에 관련된 저장소 입니다.
TensorFlow를 위한 장기적으로 Swift는 공식 Swift 언어의 갈래로 떨어져나오길 의도하지 않습니다. 언어의 추가 요소는 Swift가 나아가는 방향성과 들어맞기 위해 디자인 되었으며, 그 방향은 Swift의 진화 프로세스에서 확인해 보실 수 있습니다.
Swift를 위한 Jupyter Notebook 지원은 google/swift-jupyter 에서 현재 개발 중 입니다.
TensorFlow를 위한 Swift에 대한 논의는 를 위한 swift@tensorflow.org mailing list를 통해서 이뤄지고 있습니다.
이슈를 리포트 하기 전에, 자주 물어보는 질문을 확인해 보시고 여쭤보려고 하시는 질문의 답이 이미 있는지 확인해 보시기 바랍니다.
일반적인 사용법 또는 추가 피쳐에 대한 요청에 대해서는 메일링 리스트로 이메일을 보내거나 JIRA issue tracker 에서 관련된 이슈를 검색해 보시기 바랍니다.
대부분의 경우에서, 핵심 팀의 개발 또한 JIRA 에서 추적되고 있음을 알려 드립니다.
여러분 모두로부터의 기여를 환영합니다. 이에 대한 더 많은 정보 및 시작하는 방법은 contributing guide를 확인해 보시기 바랍니다.
In the interest of fostering an open and welcoming environment, we as contributors and maintainers pledge to making participation in our project and our community a harassment-free experience for everyone, regardless of age, body size, disability, ethnicity, gender identity and expression, level of experience, education, socio-economic status, nationality, personal appearance, race, religion, or sexual identity and orientation.
The Swift for TensorFlow community is guided by our Code of Conduct, which we encourage everybody to read before participating.