ブログ & Python
2022/11/09
Beam MLで利用可能な新しいリソース
Danny McCormick
注目されている方は、過去1年間で、Beamが機械学習を容易にするための多くの機能をリリースしてきたことに気づかれていると思います。RunInference変換の導入からBeam Dataframesの継続的な改良まで、Beamが大きな進歩を遂げている分野です。しかし、開発は急速に進歩していますが、最近まで、これらの新機能を発見して使用するためのリソースが不足していました。
過去数ヶ月間、これらの新機能をより簡単に使用し、Beamを使用して一般的な機械学習の問題を解決する方法を示すドキュメントとノートブックの構築に尽力してきました。そして今、この新しく改善されたBeam MLエクスペリエンスをご紹介できることを嬉しく思います！
開始するには、Beamの新しいAI/MLランディングページをご覧ください。マルチモデルパイプライン、メトリクスを使用した推論の実行、オンライン学習など、多くのコンテンツを用意しています。
また、RunInferenceやBeam Dataframesなどの組み込みBeam変換の使用法を示す、いくつかの例となるJupyter Notebookも導入しました。
今後、より多くの例とノートブックを追加していくことを重点的に行います。次の改善ラウンドでは、30GBを超えるモデル、複数言語のパイプライン、一般的なBeamの概念、TensorRTを使用したRunInferenceの使用例を追加する予定です。また、TFMAによるモデル評価、エンティティごとのトレーニング、より多くのオンライントレーニングなど、機械学習ライフサイクルの他の部分を示す例も追加します。