コグニカルは、足りない知識をツリー構造で掘り下げられる学習サイトです。
世界にはインターネット接続が行えない場所が多く残されており、そんな場所にもインターネット環境を提供すべくSpaceXが「Starlink計画」で人工衛星を打ち上げたり、Facebookが「2Africa」で海底ケーブルを設置しようとしたりしています。Googleは「熱気球」でインターネット環境を提供する「Project Loon」を2015年から続けていますが、強化学習を利用したAIの開発により、プロジェクトが大きく前進したと発表されました。 Autonomous navigation of stratospheric balloons using reinforcement learning | Nature https://www.nature.com/articles/s41586-020-2939-8 Drifting Efficiently Through the Stratos
PyTorch, ONNX, Caffe, OpenVINO (NCHW) のモデルをTensorflow / TensorflowLite (NHWC) へお手軽に変換するDeepLearningCaffeTensorFlowPyTorchONNX 日本語 English 1. はじめに いつも左中間を狙うようなプチニッチなふざけた記事ばかりを量産しています。 この記事の手順を実施すると、 最終的に PyTorch製 高精度Semantic Segmentation の U^2-Net を TensorFlow Lite へ変換することができます。 下図のような感じです。 TensorFlow めちゃくちゃ扱いにくいです。 日々公開される最新のとても面白いモデルは軒並みPyTorch実装ですし、なんでTensorFlowで実装してくれないんだ!! と、常日頃思っています。 論文のベンチマ
3つの要点 ✔️ Skip-Layer Excitationとself-supervised Discriminatorを提案し、パラメータの大幅削減に成功 ✔️ 少量データでも学習可能 ✔️ 1024×1024の画像もGPU1枚、数時間で学習可能 Towards Faster and Stabilized GAN Training for High-fidelity Few-shot Image Synthesis written by Anonymous (Submitted on 29 Sep 2020) Comments: Accepted at ICLR2021 Subjects: Computer Vision and Pattern Recognition (cs.CV); Image and Video Processing (eess.IV) Comm 概要 これまでのG
はじめに 現在DNN(Deep Neural Network)の実装において、FPGAの活用はしばし議論の対象になっています。もちろんDNN分野全体からするとニッチな部類に入るとは考えますが、FPGAベンダーはここに非常に力を入れており、作成したネットワークのデプロイ先としてFPGAが選択しやすくなるような各種のソリューションが用意され始めており、日々進化しています。 ここでのFPGAのメリットは、低消費電力であったり、コストであったりします。DNNの実行にはクラウドであっても電力というランニングコストは馬鹿になりませんし、エッジコンピューティング、特にバッテリー駆動のモバイル分野においては電力は極めて重要です。またイニシャルコストの重要性はどちらも同じでしょう。 ここでFPGAベンダーはこぞって、「GPUと同じように開発できます」をキャッチフレーズに、GPUを使って研究開発をしている多く
はじめに 従来のパーセプトロンモデルを使った学習ではなく、回路そのものを微分してFPGAを直接学習してしまおうという当サイトオリジナルのディープラーニングLUT-Networkですが、ここのところ深いネットを学習させるために蒸留(Knowledge Distillation)に取り組んでいました。 その一つの成果として、MNISTデータを使ったセマンティックセグメンテーション(もどき)を試してみたのでブログに記録しておきます。 まずは先に結果 まず先に最新の結果を記載いたします。MNISTベースの画像を入力して、それぞれの数字領域を色塗りするセマンティックセグメンテーション(もどき)を学習させてみました。 入力画像 出力画像 上記の入力画像をもとに Verilog のRTLシミュレーションで得た結果画像が以下です。 FPGAリソース 下記が実際にRTLを合成した場合のリソース量です。DNN
Machine learning is complex. For newbies, starting to learn machine learning can be painful if they don’t have right resources to learn from. Most of the machine learning libraries are difficult to understand and learning curve can be a bit frustrating. I am creating a repository on Github(cheatsheets-ai) containing cheatsheets for different machine learning frameworks, gathered from different sou
TensorFlowで画像認識「〇〇判別機」を作る TensorFlowとは Googleの機械学習オープンソースソフトウェアライブラリです。 公式ページ 目的の再定義 TensorFlowを使用して、画像認識 「オリジナル画像判別機」を作ります。 必要なもの ・Macbook Air macOS Sierra 10.12.6 メモリ 大きいほど望ましい ・テキストエディタ 推奨:Atom 作成の流れ 必要なものを準備する 仮想環境に入る TensorFlowを入れる 教師データを用意する 学習させて、モデルを作る モデルを使って判別させる Tensorflowを使って簡単な「〇〇判別機」を作ってみます。 なお、環境としてPython3系を前提としています。Pythonのバージョンは python --version で確認してください。 1. Tensorflowを使う環境を作る Ten
こんにちは。エクサウィザーズAIエンジニアの須藤です。 この度exaBaseの「物体名判別」モデルの紹介ページに、その場で試せるデモ機能を追加しました。 前回の「写真に写っていないところを復元する」とともに、実装にあたってはTensorflow.jsというフレームワークを使っています。 この記事では、Tensorflow.js導入までの簡単な解説と注意点、および新しいデモの操作方法を紹介したいと思います。 Tensorflow.jsとは 公式サイト 特徴 開発環境 モデルの書き出し モデルの読み込み 実行 モデルを読み込めない場合 物体名判別デモ 操作方法 結果 まとめ Tensorflow.jsとは TensorflowもしくはKerasで書かれた機械学習モデルを、JavaScriptで扱えるようにするフレームワークです。 学習済みモデルによる推論が主な応用と考えられますが、モデルの構築
Accessibility View text version Categories Technology Upload Details Uploaded via SlideShare as Adobe PDF Usage Rights © All Rights Reserved Statistics Favorites 2 Downloads 0 Comments 0 Embed Views 0 Views on SlideShare 0 Total Views 0 Deep learning — Presentation Transcript Deep Learning 株式会社ウサギィ 五木田 和也 2012/11/0912年11月9日金曜日 自己紹介 ✤ 株式会社ウサギィのエンジニア ✤ 機械学習、自然言語処理、組合せ最適化 ✤ iPhone, Android, Rails ✤ な
Musings on data science, machine learning and stats. I've been impressed in recent months by the number and quality of free datascience/machine learning books available online. I don't mean free as in some guy paid for a PDF version of an O'Reilly book and then posted it online for others to use/steal, but I mean genuine published books with a free online version sanctioned by the publisher. That
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