WebAssembly版のTensorFlow.jsが登場、Webブラウザでの推論処理を10倍以上高速に実行
WebAssembly版のTensorFlow.jsが登場、Webブラウザでの推論処理を10倍以上高速に実行 Googleがオープンソースで公開している機械学習ライブラリTensorFlowの1つとして、Webブラウザ上で機械学習のモデルの構築、学習、学習済みモデルによる推論の実行などが可能になるJavaScriptライブラリ「TensorFlow.js」があります。 TensorFlow開発チームは、このTensorFlow.jsの内部で行われている処理をWebAssemblyで実装した「WebAssembly backend for TensorFlow.js」のアルファ版を発表しました。 We’re excited to release the Alpha of our WebAssembly backend for TensorFlow.js! WASM has wider dev
Big Sky :: TensorFlow Lite の Go binding を書いた。
« Lint ツールを Language Server に対応させるコマンド efm-langserver 作った。 | Main | MRuby の TensorFlow Lite バインディングを書いた。 » Google launches TensorFlow Lite 1.0 for mobile and embedded devices | VentureBeat Google today introduced TensorFlow Lite 1.0 , its framework for developers deploying AI models on mo... https://venturebeat.com/2019/03/06/google-launches-tensorflow-lite-1-0-for-mobile-and-embeddable-devices/ T
本番/ステージング環境GPUぼくめつ大作戦 - クックパッド開発者ブログ
機械学習チームの林田(@chie8842)です。好きなスポーツはテニスとスノボです。 システムは、その当時の最新の技術で作ったとしても必ずレガシー化します。 機械学習システムも他システムと同様、一度デプロイしたら終わりではなく、継続的なメンテナンスが必要です。昨今機械学習は、特に技術の進歩が目覚ましいため、レガシー化するのも早い分野といえます。本稿ではレガシー化した機械学習アプリケーションのメンテナンスと、それに伴うGPU環境からCPU環境への移行によって、大幅にシステムの運用コストを削減した例をご紹介します。 機械学習アプリケーションにおけるコスト課題 クックパッドにおける最初の大きな機械学習プロジェクトである料理きろくがリリースされたのは、2年前のことです。それ以来、様々な機械学習アプリケーションがデプロイされ、現在では大小含めて30を超える機械学習アプリケーションが運用されています。
Big Sky :: golang で tensorflow のススメ
« Software Design 2018年7月号「Vim 絶対主義」の執筆に参加しました。 | Main | ボタンを押したら golang の if err... を自動入力 » tensorflow といえば Python と思っておられる方も多いのではないでしょうか。間違いではないのですが、これは初期に作られた Python 向けのバインディングに研究者達が多く食いついた結果に過ぎないと思っています。実際 tensorflow は現在 C言語、C++、Python、Java、Go から利用する事ができ、最近では JavaScript にも移植されています。筆者自身も Go で tensorflow を使ったシステムを構築し、運用保守しています。問題も発生せず機嫌良く動いています。学習の利用部分は GPU のパフォーマンスに依存しますが、それ以外の部分については各言語の実装に依存し
TensorFlow.js | Machine Learning for JavaScript Developers
Deploy ML on mobile, microcontrollers and other edge devices
TensorFlow DevSummit 2018参加報告 | メルカリエンジニアリング
メルペイSolution Team所属の@shuhei_fujiwaraです。 3月30日にMountain Viewで開催されたTensorFlow DevSummit 2018に参加してきました。 TensorFlow DevSummitとは 年に一度Googleが主催するTensorFlowのTech Conferenceです。 元々TensorFlowの最新情報はGoogle Cloud NextやGoogle I/Oなどのイベントで発表されることが多かったのですが、去年からTensorFlow DevSummitというTensorFlow専門のイベントが始まりました*1。 今年はComputer History Museumの2階を全面貸し切っての開催でした。 Computer History Museumは観光で行っても面白いのでおすすめです。 概要 肝心の内容の話をしましょう
Google、画像をピクセル単位で把握し各オブジェクトに割り当てるセマンティックセグメンテーションCNNモデル「DeepLab-v3」オープンソース発表
Google、画像をピクセル単位で把握し各オブジェクトに割り当てるセマンティックセグメンテーションCNNモデル「DeepLab-v3」オープンソース発表 2018-03-13 Googleは、同社機械学習ライブラリTensorflow実装の画像セマンティックセグメンテーションdeep learningモデル「DeepLab-v3」をオープンソースにて発表しました。 GitHub:models/research/deeplab at master · tensorflow/models セマンティックセグメンテーションは、画像をピクセルレベルで把握し、各ピクセル１つひとつを画像内の各オブジェクト、例えば「道路」「空」「人」「犬」などのオブジェクトクラスに意味付けし割り当てることです。各オブジェクトの境界にあたる輪郭を正確に特定します。 今回発表されたDeepLab-v3は、前回のv2に比べ、
Introducing Kubeflow - A Composable, Portable, Scalable ML Stack Built for Kubernetes
This article is more than one year old. Older articles may contain outdated content. Check that the information in the page has not become incorrect since its publication. Introducing Kubeflow - A Composable, Portable, Scalable ML Stack Built for Kubernetes Today’s post is by David Aronchick and Jeremy Lewi, a PM and Engineer on the Kubeflow project, a new open source GitHub repo dedicated to maki
グーグル、第2世代の機械学習用チップ「TPU2」の詳細を公開
印刷する メールで送る テキスト HTML 電子書籍 PDF ダウンロード テキスト 電子書籍 PDF クリップした記事をMyページから読むことができます Googleは5月に開催したイベント「Google I/O」で、自社開発の第2世代「Tensor Processing Unit」（TPU2）を発表して以降、この製品については数枚の画像を公開しただけに留まっていた。 しかしThe Registerの報道によると、Google BrainチームのJeff Dean氏は、先週に米カリフォルニア州ロングビーチで開催されたNeural Information Processing Systems（NIPS）カンファレンスで、TPU2に関するプレゼンテーションを行った。 同氏は5月に、初代のTPUは機械翻訳やコンピュータ囲碁プログラム「AlphaGo」の処理、検索、画像認識などの機械学習モデルを
技術書典3でTensorFlowの本を頒布します。
どんな本なの？ TensorFlowがオープンソースで公開されるまで「機械学習」に触れたことがなかった筆者が、TensorFlowを通じて機械学習に挑戦して、七転八倒した成果をまとめたものです。 本書では、まず始めにTensorFlowの基本であるデータフローグラフについて解説します。 次に、画像から物体を見つける「物体検出」を題材に「畳み込みニューラルネットワーク」モデルの学習と評価（検証）を実装します。 物体検出って何？ 物体検出（Object Detection）は、画像の中に含まれる「物体」を検出するタスクです。 以前は、画像から物体らしいものが写っている候補領域（Region Proposal）を見つけて、それらについて分類（Classification）を実行するのが一般的でした。 現在はYOLO（You Only Look Once）やSSD（Single Shot Mult
Google、DNNを用いるオープンソース音声認識システム「Kaldi」と同社機械学習ライブラリ「TensorFlow」とを統合。強力な自動音声認識（ASR）システム開発へ | Seamless
Google、DNNを用いるオープンソース音声認識システム「Kaldi」と同社機械学習ライブラリ「TensorFlow」とを統合。強力な自動音声認識（ASR）システム開発へ 2017-08-29 Googleは、DNN（Deep Neural Network）を用いているオープンソースの音声認識システム「Kaldi」と、同社が提供する機械学習ライブラリ「TensorFlow」とを統合したことを発表しました。 この統合により、Kaldiを使用している自動音声認識（ASR）などの開発者は、TensorFlowを使用して、Kaldiの音声認識パイプラインにDeep learningモデルを展開することができます。 統合することで、自然言語モデルをトレーニングするASRの場合、開発サイクルが一桁も短縮されたと報告します。 TensorFlowでKaldiを使い始めるには、Kaldi repoをチェ
Tensor2Tensor ライブラリでディープ ラーニング研究を加速化
.app 1 .dev 1 #11WeeksOfAndroid 13 #11WeeksOfAndroid Android TV 1 #Android11 3 #DevFest16 1 #DevFest17 1 #DevFest18 1 #DevFest19 1 #DevFest20 1 #DevFest21 1 #DevFest22 1 #DevFest23 1 #hack4jp 3 11 weeks of Android 2 A MESSAGE FROM OUR CEO 1 A/B Testing 1 A4A 4 Accelerator 6 Accessibility 1 accuracy 1 Actions on Google 16 Activation Atlas 1 address validation API 1 Addy Osmani 1 ADK 2 AdMob 32 Ads
技術書典２に参加したら出版社から(ry
前回に引き続きインプレスR&Dさんによる書籍化です。 今回、非常にスムーズに編集が進みました。 これは、ぼくがどうこうしたからではなく、編集さんがRe:VIEWに慣れてきたというのが大きいです。ただ、Pythonのコードはインデントがずれるともう動きません。ここだけは紙面に収まるように、ぼくが頑張って調整しました。 同人誌版との違い あと、同人誌版は本文墨刷でしたが、（電子書籍はもとより）Amazon PODはカラー印刷ができると言うことなので、後半はカラー（RGB ３チャンネル）画像をサンプルにしたものに差し替えています。 同人誌版を手に入れたという人も、安心してお買い求めください！ 販売チャンネル POD(Print On Demand)または電子書籍での販売になります。一般書店では手に入りませんのでご注意ください（三省堂本店にはPrint On Demandの機材があるため、POD版
機械学習用チップの性能評価 : TPU の研究論文を公開 | Google Cloud 公式ブログ
私たち Google は 15 年前から、プロセッサに負担をかける機械学習を自社製品で使用してきました。機械学習を多用するあまり、まったく新しいカスタム機械学習アクセラレータ、Tensor Processing Unit（TPU）の設計にまで踏み込みました。 では、TPU は実際、どれくらい高速なのでしょうか。 私たちは先ごろ、米国カリフォルニア州シリコンバレーのコンピュータ歴史博物館で開催された NAE（National Academy of Engineering）の会合で TPU に関する講演を行うとともに、2015 年以来 Google のデータセンターで機械学習アプリケーションを実行しているこれらのカスタム チップの新たな情報に関する研究論文を公開しました。 この第 1 世代の TPU は推論フェーズを対象としています（モデルの訓練フェーズではなく、あらかじめ訓練されているモデル
TPU論文の翻訳（１）
データセンター内での Tensor Processing Unitのパフォーマンス解析 Norman P. Jouppi, Cliff Young, Nishant Patil, David Patterson, Gaurav Agrawal, Raminder Bajwa, Sarah Bates, Suresh Bhatia, Nan Boden, Al Borchers, Rick Boyle, Pierre-luc Cantin, Clifford Chao, Chris Clark, Jeremy Coriell, Mike Daley, Matt Dau, Jeffrey Dean, Ben Gelb, Tara Vazir Ghaemmaghami, Rajendra Gottipati, William Gulland, Robert Hagmann, C. Richard
技術書典2でTensorFlowの本を頒布します
どんな本なの？ TensorFlowがオープンソースで公開されるまで「機械学習」に触れたことがなかった筆者が、TensorFlowを通じて機械学習に挑戦して、七転八倒した成果をまとめたものです。 本書では、まず始めに TensorFlow の基本であるデータフローグラフについて解説します。 次に、画像の解像度を高める「超解像」を題材に「畳み込みニューラルネットワーク」 モデルの学習と評価を実装します。 超解像って何？ 超解像(Super Resolution)とは、拡大や不可逆圧縮などで劣化した画像の解像度を高めること。それを実現する技術を言います。 ディープラーニングやTensorFlowに限った技術ではないのですが、今回はTensorFlow を使って、超解像を実 現する機械学習のモデルを作成しました。 目次 TensorFlowの基礎 TensorFlowとは デー
書籍転載：TensorFlowはじめました ― 実践！最新Googleマシンラーニング
本コーナーは、インプレスR＆D［Next Publishing］発行の書籍『TensorFlowはじめました ― 実践！最新Googleマシンラーニング』の中から、特にBuild Insiderの読者に有用だと考えられる項目を編集部が選び、同社の許可を得て転載したものです。 『TensorFlowはじめました ― 実践！最新Googleマシンラーニング』（Kindle電子書籍もしくはオンデマンドペーパーバック）の詳細や購入はAmazon.co.jpのページをご覧ください。プログラムのダウンロードは、「TensorFlowはじめました」のサポート用フォームから行えます。 本書はGoogleが公開している機械学習ライブラリ「TensorFlow（テンソルフロー）」を初めて使う読者のためのチュートリアルガイドです。画像の多クラス分類問題「CIFAR-10」テーマに、機械学習に初めて触れるエンジニ
「TensorFlowはじめました」を読んだ - すぎゃーんメモ
TensorFlowはじめました 実践！最新Googleマシンラーニング (NextPublishing) 作者: 有山圭二出版社/メーカー: インプレスR&D発売日: 2016/07/29メディア: Kindle版この商品を含むブログを見る 著者の有山さんとは、TensorFlowでの独自の画像データセットの分類に取り組む同士(？)として勉強会などでお話する機会があり、そんな縁もありまして有り難いことに献本ということで読ませていただくことができました。 第1章の「TensorFlowの基礎」では最初にまずデータフローグラフの「構築」と「実行」で分かれているという概念について、丁寧に説明されていてとても良かったです。いきなり何も知らずに公式Tutorialだけ始めていた自分は、こういう概念について理解するのが遅かった…。 第2章ではCIFAR-10の学習モデルと評価。公式Tutorialの
モバイル サポートが改善された TensorFlow v0.9 を公開
.app 1 .dev 1 #11WeeksOfAndroid 13 #11WeeksOfAndroid Android TV 1 #Android11 3 #DevFest16 1 #DevFest17 1 #DevFest18 1 #DevFest19 1 #DevFest20 1 #DevFest21 1 #DevFest22 1 #DevFest23 1 #hack4jp 3 11 weeks of Android 2 A MESSAGE FROM OUR CEO 1 A/B Testing 1 A4A 4 Accelerator 6 Accessibility 1 accuracy 1 Actions on Google 16 Activation Atlas 1 address validation API 1 Addy Osmani 1 ADK 2 AdMob 32 Ads
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
DevFest Tokyo 2017 TensorFlow
