高性能なディープニューラルネットのフレームワークを開発、ノースカロライナ州立大
ノースカロライナ州立大学電気コンピュータ工学部で助教授を務めるティアンフ・ウー氏は、研究チームの中心メンバーの一人だ。同氏は次のように述べている。「AOGNetは、われわれがテストしたどのネットワークよりも予測精度が高い。さらに解釈可能性が高いため、ユーザーはシステムがどのように結論に到達するか確認できる」 新フレームワークは、システムアーキテクチャに関する構成的文法のアプローチを採用しており、従来のネットワークシステムのベストプラクティスを利用して、生データから有用な情報を効果的に抽出する。 「階層型で構成的な文法が、従来のシステムアーキテクチャのアプローチを統合する、シンプルで洗練された方法を提供することが分かった。これは、われわれの知る限りでは、文法をネットワーク生成に利用する初めての取り組みだ」（ウー氏） 高いベンチマーク性能を示した 関連記事 Intel、AI開発者向けの小型デバ
SonyのDNNフレームワーク"NNabla"を調べてみた - tkato’s blog
SonyがNNablaというDeepLearningフレームワークを公開しました*1。 興味があったので、ドキュメントとソースを読みながら、全体を眺めてみました。 よく見ると標準でBinaryConnectのサポートやBinary Neural Network(BNN)のサンプルがあったり、興味深いです。 NNablaのコンセプト 公式サイトに記載のあるコア・コンセプトのようなもの https://nnabla.org/ Write less do more コードを直感的に短く書ける Dynamic computation graph support ChainerやPytorchのような動的なモデル構築 Run anywhere 色々なプラットフォームで動くように開発 Device ready ライブラリのコアはC++11で書かれているので、組み込み機器にも乗せられる Easy to
1
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
処理を実行中です
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
