PFNのChainer対応の推論処理ボード、PFUが発売
PFUは、産業向けエッジコンピューティング事業の幅を広げる（ニュースリリース）。その第１弾として、深層学習の推移処理を実行するPCI Expressボード「＜AI400シリーズ＞Deep Learningアクセラレータカード」を発売した。 これまで同社のエッジコンピューティング事業は、コントローラー（産業用PC/コンピューター）の開発・販売に集中していた。今後はコントローラーに加えて、ソフトウエアや周辺（拡張用）ハードウエアの開発・提供も積極的に行い、システム全体に事業領域を広げる。なお、オンプレミスのサーバーやPCへは今回は進出しないという。「ハードウエアとしてはオンプレミスのコンピューターも、エッジコンピューティングのコントローラーもほぼ同じだが、まずは、エッジ・コンピューティング・システム全体に事業を広げることに力を入れる」（同社）。 エッジコンピューティング事業の幅を広げる。従来は
私は如何にして心配するのを止めてPyTorchを愛するようになったか
CSUC - Consorci de Serveis Universitaris de Catalunya•170 views
Windows版Chainerのビルド済みバイナリを配布へ、「国内でのインパクト大きい」
Windows版Chainerのビルド済みバイナリを配布へ、「国内でのインパクト大きい」：人工知能ニュース Preferred Networks（PFN）と日本マイクロソフトがディープラーニングのコミュニティー「Deep Learning Lab」のキックオフイベントを開催。「Windows」や「Azure」といったマイクロソフト製品で、PFNのディープラーニングソリューションを使いやすくしていく方向性を示した。 Preferred Networks（PFN）と日本マイクロソフトは2017年6月19日、東京都内において、ディープラーニングのコミュニティー「Deep Learning Lab」のキックオフイベントを開催した。 PFNとマイクロソフトの米国本社は同年5月23日、人工知能や深層学習の実社会での活用を推進するため、ディープラーニングソリューション分野において戦略的協業することで合意
【悲報】Googleエンジニア「日本人は海外の発明を無視し、メイドインジャパンとしてパクりを展開する」 : IT速報
Kerasの開発者であるFrançois Chollet氏の発言が話題に。またも、日本語で日本について苦言を呈しています。 Kerasは機械学習の分野で人気のライブラリ。しかし、日本ではChainerという国産ライブラリの方が人気であり、過去にはこれについてキレたことも。 関連：【悲報】Googleエンジニア、日本人に困惑する ちなみに、2chの機械学習スレでも、Keras厨とChainer厨が日々喧嘩を繰り広げています。先日はRebuildでも言及されていました。 https://rebuild.fm/181/ 今回のFrançois Chollet氏のツイートも、発端はChainerへの怒りと思われますが、その他にも同様の傾向がみられるんだとか。 西洋で新しい物が発明されると、最初日本はそれを無視する。数ヶ月後、made in japanのクローンの出現や、既存の日本製品が西洋の発明を
PaintsChainer神ツール - 小人さんの妄想
人工知能で線画を自動で着色するサービス、PaintsChainer >> https://paintschainer.preferred.tech/ こんな線画を放り込むと・・・ こうなる！ 色塗りは完全自動、アップしただけで一切手を加えていない。 もっと複雑な絵柄だと、どうなるか。 こうなった！ 今度は２、３カ所チョンチョンと色指定をしたが、あとは全自動で瞬時に仕上がった。 これは楽しい。ありふれた彩色なんて、もはやアーティストの仕事では無いのかもしれない。 鳥肌が立つテクノロジーを見た。 - ■ PaintsChainerをWindows10にインストールしてみた * 参考 >> http://www.jami2010.com/paintschainer-win/ ほぼ上の通り行えば良いのだが、私の環境では Pythonと opencvが合わずに苦労した。 解決策は、python仮想環
DL使った線画自動着色がCPUでも動くようにしました - Itsukaraの日記
DL使った線画自動着色の件、下記記事を書いた後で、CPUだけでも動くように修正し、pull requestを出させていただきました。幸い、conflictsは無いようです。 itsukara.hateblo.jp 修正内容ですが、元々CPUで使う場合は"python server.py -g -1"とすれば動くはずなのですが、"cgi_exe.py"で "self.gpu >= 0" か判定して処理を分ける部分が抜けていたので、追加したものです。 ちなみに、トレーニングと異なり判定だけなので、CPUでも十分に速いです。お試しサイトはアクセスが集中して処理が重くなっており着色に1分以上かかるので、お試しサイトの負荷を減らす意味でも、ローカル環境を作って試しましょう！ 何よりも、CPUだけでもローカル環境の方がお試しサイトよりもずっと速いです。具体的には、CPUだけも15秒程度で着色が完了しま
線画着色webサービスPaintsChainerを公開した - Qiita
http://paintschainer.preferred.tech こちらに先月記事にした線画の着色のデモを公開しました！！ 反響の大きかった皆さんに試していただけます！！（ちょっと期待値が上がり過ぎてないといいですがｗ） http://qiita.com/taizan/items/cf77fd37ec3a0bef5d9d 以前の記事『初心者がchainerで線画着色してみた。わりとできた。』はこちら。 ⇓そしてこちらがもじゃくっきーさんの使用例になっております。 GPUを使っている関係上アクセスが集中したりすると遅くなったりサーバーが落ちたりする可能性もありますが、生暖かく見守っていただければと思います。←たくさんの方に広まったこともあって、めっちゃ重くなっています。ぐぬぬぬ 画面はこんな感じっす。 線画ファイルを選択するととりあえず自動で塗ってくれます。 ※ただし、現状ではgifや
PFNの深層学習フレームワーク「Chainer」が大幅な高速化へ、分散処理に対応
Preferred Networks（PFN）が開発するディープラーニング（深層学習）フレームワーク「Chainer」が間もなく、分散処理に対応することで大幅に高速化する。PFNの西川徹社長が2017年1月26日（米国時間）に米サンフランシスコで開催された「Deep Learning Summit 2017」で明らかにした（写真1）。 現在のChainerは、マルチノード（複数サーバー）での学習に対応にしておらず、1台のノード上で複数のGPU（Graphics Processing Unit）を使用する場合も、どのGPUで何の処理を実行するのかをプログラマーが記述する必要があった。PFNはマルチノードでの学習に対応した分散バージョンのChainerを開発中で、社内ではテストも始めている。この分散バージョンのChainerでは設定を変更するだけで、マルチノード環境やマルチGPU環境に対応する
[WIP] 1-file Chainerを作る - Qiita
概要 この記事では、Neural NetworkフレームワークであるChainerの最も特徴的なコンセプトである"Define-by-Run"を理解するために、手書き数字の分類を行うためのネットワークの記述・学習に必要な最低限の機能だけを持ったライブラリ"1f-chainer"をNumPyのみを使って実装してみます。数式が登場するような説明は全てAppendixに追いやり、本文中ではできるだけコードと文章だけで説明を行うように気をつけて書きました。 本記事で用いた全てのコードは以下に置いてあります：1f-chainer。書き始めると色々なことを追記したくなり間に合わなかったので、今週いっぱいを目処に順次更新していきます。 また、この記事の全ての内容は私個人の見解と理解に基づくものであり、所属する組織とは関係ありません。 想定読者 この記事は、Backpropagationを使ったNeura
![[WIP] 1-file Chainerを作る - Qiita](https://cdn-ak-scissors.b.st-hatena.com/image/square/44c0510f5542ceb043ee41aef0eb6941e2bd6f53/height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fcdn.qiita.com%252Fassets%252Fpublic%252Fadvent-calendar-ogp-background-f625e957b80c4bd8dd47b724be996090.jpg%3Fixlib%3Drb-4.0.0%26w%3D1200%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTkxNiZoPTMzNiZ0eHQ9JTVCV0lQJTVEJTIwMS1maWxlJTIwQ2hhaW5lciVFMyU4MiU5MiVFNCVCRCU5QyVFMyU4MiU4QiZ0eHQtY29sb3I9JTIzM0EzQzNDJnR4dC1mb250PUhpcmFnaW5vJTIwU2FucyUyMFc2JnR4dC1zaXplPTU2JnR4dC1jbGlwPWVsbGlwc2lzJnR4dC1hbGlnbj1sZWZ0JTJDbWlkZGxlJnM9ZTY5NDY3YjBhM2FhN2FjMjMxNGE3MWRlMDdkZmIzOGM%26mark-x%3D142%26mark-y%3D151%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTYxNiZ0eHQ9JTQwbWl0bXVsJnR4dC1jb2xvcj0lMjMzQTNDM0MmdHh0LWZvbnQ9SGlyYWdpbm8lMjBTYW5zJTIwVzYmdHh0LXNpemU9MzYmdHh0LWFsaWduPWxlZnQlMkN0b3Amcz00Y2MzMTE0MjY4ODZiMGYyOWRlMWE4NDkwZjBmZDVkZA%26blend-x%3D142%26blend-y%3D491%26blend-mode%3Dnormal%26s%3D61f8212dc5855c6406f5312371ed3a91)
Chainerで学習した対話用のボットをSlackで使用+Twitterから学習データを取得してファインチューニング - Qiita
ChainerでSlack用のbot作成！！ 注意：chainer 1.5.1以降のバージョンで動作を試みるとSegmentation faultのバグが出ます で1.5.1をインストールしてください。 突然ですが、あなたはこんな衝動にかられたことはないでしょうか？ Slack上で面白い返事やつぶやきをしてくれるbotやいろんな質問に答えてくれるボットがいれば、会話が盛り上がるし、聞きづらい質問にも答えてくれるのに・・・ 私も思ったことがあります。そこで実装してみました。 最終的にこんな感じの応答を返してくれるようになります。 対象読者 １：中身は分らなくも良いから賢くなるbotを作ってみたい！！ やるべきアクション：下記リポジトリをgit cloneして環境構築して、実行して下さい！！ ２：中身も知って賢くなるbotを作ってみたい！！ やるべきアクション：この記事を読んで仕組みを理解して
PyCon 2016で発表したChat Botをコードベースから解説(Chainerを利用した雑談応答編） - Qiita
WHY 深層学習について興味がある方が多いと思うので対話における深層学習の実装について記述します。 雑談応答がChainerを使用しているため、その部分にフォーカスして説明します。ただしバージョンが古いので注意が必要です。 動作確認しているバージョンは1.5.1です 間違いがある部分があるかもしれません。深く理解したい部分があったので一部Chainerのコードを追っています。間違いがあれば大変お手数ですがご指摘いただけると幸いです。 PyCon 2016で発表した内容はどちらかというとコンセプトや概要ベースを伝えて頂けなので実際に実装しているコードの説明がないので、自身の振り返りという意味でもあった方が良い そこでコードの説明を加えることでもっと理解して使ってもらえる人が増えて欲しいと思い、この記事を書きました。(できればgithubのスターが増えると嬉しい) Docker Hub git
Chainerのサンプルコードを集めてみた（メモ） - あおのたすのブログ
Chainerのサンプルコードは色んな所で公開されていますが、 一箇所にまとまっている所が少ない気がしたので、個人用にまとめておきます。 ここに載ってないサンプルコードがありましたら、 コメント欄か@aonotasまで教えて下さい！！ 誰得かは分かりませんが，gitにもメモ用に作りました。 github.com 適宜更新していく予定です。 Chainer OfficialのTwitterアカウントが主な情報源です。 Official wiki page (some examples list) こちらの公式Wikiも有用です。 他のサイト様では chainerのサンプルコードを集めてみた(チュートリアルも追加) - studylog/北の雲 がサンプルコードのまとめとしては良いかもしれません。 更新履歴 (2016.08.19) 記事作成 (2016.09.31) Fully Convol
Chainerで顔イラストの自動生成 - Qiita
PFNのmattyaです。chainerを使ったイラスト自動生成をやってみました(上の画像もその一例です)。 20日目の@rezoolabさんの記事(Chainerを使ってコンピュータにイラストを描かせる)とネタが被っちゃったので、本記事ではさらに発展的なところを書いていきたいと思います。一緒に読んでいただくとよいかと。 概要 Chainerで画像を生成するニューラルネットであるDCGANを実装した→github safebooruから顔イラストを集めてきて学習させた 学習済みモデルをconvnetjsで読み込ませて、ブラウザ上で動くデモを作成した→こちら(ローディングに20秒程度かかります) アルゴリズム 今回実装したDCGAN(元論文)はGenerative Adversarial Networkというアルゴリズムの発展形です。GANの目標は、学習データセットと見分けがつかないようなデ
DQNの生い立ち ＋ Deep Q-NetworkをChainerで書いた - Qiita
はじめに そもそもDQNが作りたかったわけじゃなくて、他の目的でChainerを使いたかったのでその練習にDQNを書いたんですが、せっかくだし公開しようと思いました 公開しました 。またどうせ公開するなら、この機会にこれ（Q学習+関数近似）関連で持っている知識をついでに整理しようと思ってまとめました。 ニュース記事とかNatureとかNIPSの論文だけ読むと、DQN作ったDeepmind/Googleすげー！！！って感覚になりそうですが、強化学習的な歴史的経緯を考えると強化学習+深層学習になった、むしろかなり当然の成り行きで生まれた技術であることがわかります。（ATARIのゲームを人間以上のパフォーマンスでプレイするというのがビジュアル的にわかりやすかった$\leftrightarrow$問題設定が良かったというのもあります。） この記事ではNIPSとNatureの以下の２本の論文 ・ V
chainerでニューラルネットを学んでみるよ(chainerでニューラルネット2) - 人工言語処理入門
前回の記事ではchainerのインストールからサンプルコードを使って画像識別問題を解くところまでやりました。 hi-king.hatenablog.com 今回の記事では回帰・分類問題用のシンプルなニューラルネットの作り方をやろうと思います。andとxorの論理式を学習させます。chainerでの実装の学習と、あとニューラルネットの教育目的に使いやすいなーと思ったので。2層のニューラルネットまで段階をふんで解説してるんですが、プログラム読むほうが得意、って方は一番最後のコードを先に読んだほうがわかりやすいかもしれません。 追記(7/13)型チェック chainer1.1.0から型チェックが入ったので(https://github.com/pfnet/chainer/pull/95)、識別にはfloat32を入力してint32を出力、回帰にはfloat32を入力してfloat32を出力、とい
chainerを使って回帰してみると、ちょっとはまる - Qiita
概要 はじめまして、qiitaに初投稿です。至らぬところが多いと思います。 ニューラルネットワークのフレームワークのサンプルコードは大体分類問題で、回帰の例があまりないのでトライしてみました。 はまる箇所がありました。上手な書き方を知りたいので、投稿します。 theanoだと同等の事をするのに1000行以上書きましたが、chainerだと98行でした。chainerに移行します。 GPUでも問題なく動きました。 結論: chainerすごい ソースコード chainer/example/train_mnist.pyをちょっと変えたらできました(変更点は後ろに挙げました)。 Gistに挙げました。 はまった箇所 回帰問題の場合、正解データのshapeが(データ数,)だと,batchsizeが2以上の時になぜかnumpyのbroadcastingがうまくいきません。 reshapeで(データ数
DeepLearningライブラリのChainerがすごい、らしい - cvl-robot's diary
Preferred Infrastructure(以下PFI)からスピンオフした会社、Preferred NetworksのリリースしたDeepLearningライブラリのChainerがすごい、と話題になっています。*1 解説 Deep Learning のフレームワーク Chainer を公開しました | Preferred Research 公式 Chainer: A flexible framework of neural networks GitHub pfnet/chainer · GitHub ドキュメント Chainer – A flexible framework of neural networks — Chainer 1.1.0 documentation おそらく初露出 ディープラーニング最近の発展とビジネス応用への課題 公式ツイッター chainer (@Chai
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
長文日記
深層学習フレームワークChainerの特徴
Chainerの使い方と自然言語処理への応用
