国産深層学習フレームワークChainerのv4.0.0がリリース。Intel CPUでの処理高速化に対応 | Ledge.ai
株式会社Preferred Networksが、深層学習フレームワーク「Chainer v4.0.0」をリリースしました。 Chainerおよび汎用配列計算ライブラリCuPy（クーパイ）は、最新の深層学習研究の成果が取り入れられた、6ヶ月ぶりのメジャーバージョンアップです。 Chainer Chainerは、Preferred Networksが開発するPythonベースの日本製オープンソース深層学習フレームワークです。“Define-by-Run”の手法を通じて、ユーザーが簡単かつ直感的に複雑なニューラルネットワークを設計するための高い柔軟性とパフォーマンスが特徴。 最新版Chainer v4で、CPUでの学習およびニューラルネットワーク推論速度の高速化を実現Chainer、Cupyのアップデートされた主な特徴がこちら。 Intelアーキテクチャ向け最適化Intel Deep Learn
ディープラーニングフレームワークをCDHとCloudera Data Science Workbenchで動かす
原著者：Vartika Singh 原文：Deep Learning Frameworks on CDH and Cloudera Data Science Workbench 訳：有賀 「ビッグデータ」の台頭により、機械学習はずっと簡単になりました。少量のデータだけを観察した後に新しいデータを一般化する、統計的推定の負担が大幅に軽減されたためです。典型的な機械学習タスクのゴールは、観測データを説明する変動要因を分離するように特徴を設計することです。 しかし、多くの実世界の人工知能アプリケーションの難しさの主な原因は、変動要因の多くが観察できるすべてのデータに影響を与えることです。 ディープラーニングは、より単純な表現を導入することによって、表現学習を通してこの中心的な問題を解決します。 企業や研究者は、現在および将来のテクノロジーの進化に影響を及ぼすために、ますます多くのデータを分析して
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
