技術書典11で「機械学習の炊いたん４。」を出しました
審査を経てようやく販売可能になったのでリンク。
今回は「TensorFlow入門者がRustで推論実行するまで」という章を書きました。宣伝ツイートで1ページめだけ読めるようにしてあります。
3章 TensorFlow入門者がRustで推論実行するまで by @emergent
— tomo-makes@技術書典11「機械学習の炊いたん4」 (@tomo_makes) 2021年7月11日
あの「Rust本」著者が、既刊のメタルネタを離れ、今作ではTensorFlowを触るという冊子のテーマにどストライクな記事を書きました。
じわじわ来ているRustでの推論、ツール化までを取り上げます。私もこれ読んでRust触ってみます。 pic.twitter.com/JcNJGQb43Q
執筆した感想など
「機械学習の炊いたん」シリーズはこれまでの1〜3まで参加してきましたが、正直なところをいうと私はもともと機械学習に慣れ親しんできたわけでもなく、端的にいうと「誰かが作った機械学習を使って作られたツールを使うだけの人」でありました。つまり、TensorFlowやPyTorchといったフレームワークにろくに触れることもなく、DockerイメージやAPIで叩けば使えるものを切って貼って繋げて(∩´∀｀)∩ﾜｰｲとしていただけでした。
1〜3のシリーズではなんとかネタを絞り出して切って貼って繋げて(∩´∀｀)∩ﾜｰｲしてやってきたのですが、昨年「実践Rustプログラミング入門」の執筆に関わる程度にはRustに傾倒している自分が「Rustで機械学習やらんでいいのか…？」という気持ちになりまして。
せっかくTensorFlowがRustバインディングを公式で出してくれているので、これを使いこなせればできることの幅も広がるだろうというわけで、機械学習の基礎勉強もそこそこにTensorFlowのチュートリアルをちょこっとだけやり、今回の記事を書きました。
技術書典11ではエムスリーさんの新刊で、vaaaaaanquishさんにより「Rustによる機械学習概覧」という記事も書かれていてタイムリーな感じがします。こちらは私と違って普段から機械学習に触れている方なので内容は非常に濃く、今後使うライブラリ（クレート）の選定の参考になると感じました。一方の私は「Rustの裾野を広げるマン」として、機械学習の勉強をちまちまやりながら、Rustで機械学習に入門しやすくなる情報を増やしていけたらいいなと思います。
で、どのように「機械学習の勉強をちまちまやる」かについては、今回の執筆にあたってTensorFlowのチュートリアルを4つしかやっていないので、残りのチュートリアル（まだまだいっぱいある…）をやったり、TensorFlow Hubのモデルを使って色んなケースの推論を実装してみて、前処理後処理も含め自身を鍛えていきたいなと思います。普段は、Rustでasyncなサーバー作るマンなのでその辺と機械学習モデルを組み合わせるまでは到達したい気持ち。このリポジトリをもっと拡充していきたい。
というわけで、今後とも「機械学習の炊いたん」シリーズをよろしくお願いします。
おまけ：過去の「機械学習の炊いたん」シリーズでの自分の記事
機械学習の炊いたん
CHAPTER 1 機械学習エンジニアは一日にして成らず
飼ってる猫で顔認識やってみたよ、というだけの記事。
CHAPTER 3 機械学習を新たに学んで転職活動に生かす話
仕事でソフトウェアエンジニアの採用面接やってて感じた話を踏まえてのコラム。
機械学習の炊いたん2
作って遊ぼうデスメタル
楽曲音源分離モデルWave-U-Netを使って、ボーカルをデス声化しようというお遊び。
機械学習の炊いたん3
Spleeterと音声認識を使って空耳検出器をつくる
楽曲音源分離モデルSpleeterと音声認識などを使って洋楽の空耳検出を自動化しようという試み。
