ついに来た！ Azure GPU インスタンス上に30分で構築する TensorFlow on GPU 実行環境構築手順 - Qiita
Deep Learning の学習を高速でぶん回すには GPU の活用が欠かせないですよね！ 12月1日についに Azure の GPU インスタンス (Azure N series) が GA (General Availability) になったので、 その N series で使える以下の3種類の OS の中から、 Ubuntu 16.04 LTS Windows Server 2016 Windows Server 2012 R2 Ubuntu 16.04 LTS を選んで、TensorFlow on GPU の環境構築方法をまとめました。 TensorFlow on GPU の環境構築完了までには、 NVIDIA の GPU Driver を入れる CUDA Toolkit を入れる cuDNN を入れる TensorFlow GPU version を入れる というそこそこ面倒
TensorFlowを遊び倒す！ 2-1. MNIST For Experts - Platinum Data Blog by BrainPad ブレインパッド
本記事は、当社オウンドメディア「Doors」に移転しました。 約5秒後に自動的にリダイレクトします。 ※TensorFlowとは2015年11月9日にオープンソース化されたGoogleの機械学習ライブラリです。 本ブログでは、実際のTensorFlowの使い方を連載方式でご紹介しています。 皆様こんにちは。 テクノロジー＆ソフトウェア開発本部の佐藤貴海です。 本日は「Deep MNIST For Experts」の使い方についてご紹介します。 Deep MNIST For Experts 前回の「MNIST For ML Beginners」に続き、今回からいよいよ"Deep"です。前回は単なるロジスティック回帰でしたが、今回からは学習する層を重ねて、MNIST判別99％超えを目指します。 今回の手法 前回は、28×28ピクセルの画像（784次元）を、そのままSoftmax Regress
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
Googleの一般物体認識NN, Inception-v3 を Tensorboard で可視化してみた - Qiita
