PyTorchやTensorFlow互換のAI処理高速化プラットフォーム「MAX」プレビュー公開、Pythonを高速化した「Mojo」搭載
Modular社がAI処理を高速化するプラットフォーム「MAX」をプレビュー公開。PyTorchやTensorFlow、ONNXなどのAIモデルと入れ替えるだけで処理が最大5倍高速になる。 Pythonの高速なスーパーセット「Mojo」言語を発表したことで話題となったModular社が、AI処理を高速化するプラットフォーム「MAX」（Modular Accelerated Xecution）のデベロッパーエディションをブレビュー公開しました。 MAX Developer Edition Preview has officially launched! It's a drop-in replacement for running and serving @PyTorch, @tensorflow and @onnxai models much faster and leverages the
はじめに Turing株式会社の自動運転MLチームでエンジニアをしている越智 (@chizu_potato)と塩塚 (@shiboutyoshoku) です。 Turingが目指す自動運転は、大量のデータで学習された非常に賢い機械学習モデルを活用することです。そのために、走行パートナーの方たちと協力して創業時からこれまで大量の走行データを取得してきました。走行データは車両に取り付けられた複数カメラによる360度をカバーした動画と、そのときの速度やGPSなどの走行ログを含んでいます。データサイズは80TBを超え、時間換算で3500時間程度です。 これだけのデータサイズでモデルを学習するためには、1枚のGPUだけで頑張るには限界があり複数のGPU (multi-GPU) による分散並列学習が必要となってきます。しかし、ただ分散並列学習を行うだけではmulti-GPUに対し、データの入出力 (I
ChatGPTを駆使して、Raspberry PiとTensorflowを使ってドア監視をできるようにした - Qiita
ChatGPTを駆使して、Raspberry PiとTensorflowを使ってドア監視をできるようにしたPythonOpenCVRaspberryPiTensorFlowChatGPT chatGPTを駆使して、玄関の鍵が閉まっているかどうかを監視するプログラムを作りました。 はじめに 今回の要約 自分はとにかく玄関の鍵を閉め忘れることが多く、家族にも怒られていた Raspberry Piとwebカメラが家にあった 色々調べたところ、機械学習の部分はGoogle Cloud Visionで無料実装できる すでに先駆者のブログは存在する：https://r-kurain.hatenablog.com/entry/2019/10/17/211134 ある程度ライブラリが古い部分や、多少わかるOpenCVへのリライトについては、ChatGPTにすべて任せれば実装できるのではないか ある程度構想
はじめに 学習用AIチップをTSMC 7nmで開発するには、100億円必要だよね。とお話したのが2017年頃 TensorFlow XLAの可能性, Deep Learning Acceleration 勉強会(2017.09.03 TensorFlow XLA とハードウェア, 2017年9月30日(土)のChainer Meetup #6 ざっと、6年前。この頃はまだ 7nm でチップが出てきてない時です。 その後、AI Cloud学習用スタートアップが何社立ち上がります。AI Cloud学習用スタットアップでは、7nmではなく、16nmで最初のチップ(Graphcore、Cerebras)を開発していきます。その後、チップが出来上がり、システムとして組み上げ、量産し、販売するまでに200-300億円ぐらい必要になることがわかりました。 TSMC 7nmを使って、NVIDIAのA100
CodeZine編集部では、現場で活躍するデベロッパーをスターにするためのカンファレンス「Developers Summit」や、エンジニアの生きざまをブーストするためのイベント「Developers Boost」など、さまざまなカンファレンスを企画・運営しています。
概要 リップシンクとは, ゲームのキャラクターなどが口をパクパクさせるやつです. 面白そうなので, なんとなくこれを作ってみました. リップシンクの手法は軽く調べた限り 手動で頑張る 音量の大小でテキトーに口動かす 映像から口の形を引っこ抜く 音から口の形を類推する があるようです. 今回は一番下の音から口の形を類推させてみました. モデルの方針 声のデータから口の形≒母音の種類を当てる分類モデルを作ります. そのために, データセットとして｢音声｣と｢母音の文字｣のセットを作ります. データセットについて 方針としては ｢音源｣と｢その音源の文字起こし｣のセットを取得 ｢その音源の文字起こし｣を仮名に直す ｢音源｣のどの時間に, その仮名を言っているのか割り当てる ｢音源｣と｢その音源の文字起こし｣のセットを取得 ｢音源｣と｢その音源の文字起こし｣の2つがセットになっているデータを片っ端
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
TFRecordとWebDatasetを使った分散並列学習とパフォーマンス調査
Googleの機械学習ライブラリ「TensorFlow」がWindowsネイティブ対応を終了／今後は「WSL 2」へのインストールを
LLMで勝負するには、1000億円必要か？ - Vengineerの戯言
Google、Flutter用TensorFlow Liteプラグインを正式リリース
深層学習(keras)でリアルタイムにリップシンクさせるモデルを作った - Qiita