チーム内で使用したABCI活用Tips集を公開します. 免責|本資料は坂東の個人的経験・実験に基づくTips集であり,ABCI公式とは無関係で不正確な場合があります. 公式情報は https://abci.ai , https://docs.abci.ai をご参照下さい.
3つの要点 ✔️ Dreamerが実世界の4つのロボットに対して学習することが出来ることを示した ✔️ 4足歩行ロボットを1時間程度で背中を地面に向けた状態から回転して立ち上がり、前進する事を可能にした ✔️ 画像を入力としてロボットが物体を掴み、そして別の場所に置くことを、sparse rewardを用いて学習することができた DayDreamer: World Models for Physical Robot Learning written by Philipp Wu, Alejandro Escontrela, Danijar Hafner, Ken Goldberg, Pieter Abbeel (Submitted on 28 Jun 2022) Comments: Published on arxiv. Subjects: Robotics (cs.RO); Artific
Introduction Machine co-creativity continues to grow and attract a wider audience to machine learning. Generative models, for example, have enabled new types of media creation across language, images, and music including recent advances such as IMAGEN, Flamingo, and DALL·E2. This one-day workshop will broadly explore topics in the applications of machine learning to creativity and design, which in
衛星データの活用事例に興味があるのだけれど、この事例って実際にどの衛星データを使っているの? その疑問を解消するための情報を整理しました。 加工用トマトの営農支援を行う合弁会社を2022年7月に設立すると、カゴメ社とNEC社が発表しました。この営農システムは衛星データを用いており、宙畑でも取材をしています。 このニュースに限らず、近年、衛星データが様々な企業の新規事業として、業務改善のツールとして活用される事例が続々と発表されています。 これらのニュースを耳にして、「わが社でも衛星データを活用した事業や業務改善ができるのではないか」と考える企業も増えているようです。 その一方で、いざ衛星データを活用しようと思っても、衛星データを解析する以前に、どの衛星を利用すればよいのか、また、利用するのにいくらかかるのか?ということが分からないという課題を持つ企業も少なくないでしょう。 そこで、本記事で
はじめに こんにちは、わっしーです。本記事では、CVPR2022で発表された画像異常検知手法であるPatchCoreの実装について解説します。 まずは、実際に試した結果です。下図の上は正常画像、下は異常画像です。異常部分が赤くなっており、製品が欠損していることがわかります。 PatchCoreの詳細については、外観検査向け異常検知手法に関する論文紹介の記事がわかりやすいです。 PatchCoreの利点は、ImageNetなどのデータセットで学習された事前学習モデルの特徴マップを用いるため深層学習モデルの訓練の必要ないことです。 手法としては、 正常な画像群の特徴マップにおける局所的な部分をパッチ特徴量としメモリバンクに保存する 高速化のためランダム射影で次元削除した特徴量に対してGreedy法を用い、メモリバンク内のパッチ特徴量の数を削減 テスト画像の各位置の特徴量に対して、近傍法でメモリ
自然言語処理をするときはよくRasa NLUを使っているのですが、内部的にはspaCyが使われている模様です。どちらもパイプラインでモジュールをつなげていって自然言語処理をシンプルにするフレームワークだと理解しているのですが、spaCy単独で使うとどういう感じなのか把握したかったんで試してみます。 こちらのエントリを参考にspaCyの基本的な動きを確認。 https://qiita.com/moriyamanaoto/items/e98b8a6ff1c8fcf8e293 $ mkdir spacy-ner $ cd spacy-ner 必要なライブラリをインストール。GiNZAはspaCyフレームワークのっかった形で提供されている日本語の学習済みモデルを含むライブラリです。簡単にいえばspaCyを日本語で動かせるようにするものです。 $ pip install spacy $ pip in
米Salesforceの子会社である米Herokuは8月25日(現地時間)、同社が提供するPaaS「Heroku」の無料プランを廃止すると発表した。同社は「無料プランを利用しようとする詐欺や不正使用などの監視に多くの労力を費やしている」とし、今後はサービスの運営上不可欠なミッションクリティカルな機能の提供にリソースを集中させると説明している。 無料プラン廃止の対象になるのは「Heroku Dynos」「Heroku Postgres」「Heroku Data for Redis」の3種類で、段階的に実行する。10月26日から、1年以上使われていないアカウントとその関連ストレージの削除を始め、11月28日に提供を停止する。影響を受けるユーザーには順次メールで連絡するという。 無料プランの全機能は、各サービスの低価格プランで利用できるという。Heroku Dynosは月額7ドル、Heroku
2022年8月23日に一般向けで公開された画像生成AI「Stable Diffusion」は、入力した文字列に沿ってまるで人が描いた絵や写真のような画像を生成してくれます。実際に使うとなるとNVIDIA製GPUを搭載したマシンが必要で、導入にもある程度の知識が求められますが、Googleが提供しているPython実行環境「Google Colaboratory」を使えば、低スペックのノートPCでも無料でStable Diffusionで動かすことが可能。しかし、無料版では一定時間でランタイムの切断が行われるのですが、Google Colaboratory上で生成された画像はあくまで一時的なものなので、ローカルに保存していなければ生成した画像が消えてしまいます。そこで、Google ColaboratoryにGoogleドライブをマウントし、画像の出力先をGoogleドライブのフォルダに指定
今月に入り、ネット業界を中心に大きな話題を呼んでいたのが人工知能、AIを使用した様々な画像生成サービスです。 8月に入ってから日本でも大きな話題になっていたのが「Midjourney」という画像生成AIですが、8月23日に「Stable Diffusion」というAIモデルが公開され、業界でさらなる大きな衝撃が走っています。 参考:Midjourneyを超えた? 無料の作画AI「 #StableDiffusion 」が「AIを民主化した」と断言できる理由 詳細は上記の記事に詳しく整理されていますが、「Stable Diffusion」の最大の衝撃は、個人が保有しているPCでも動作可能なAIモデルが、オープンソースで無償公開されたという点でしょう。 このことが生むインパクトを「Stable Diffusion」公開の前日に記事にまとめた深津貴之さんのツイートが2万を超えてリツイートされ、記事
StableDiffusionが発表された衝撃で、二時間でワッと作ったGakyoですが、ワッと作っただけあってまあものすごく雑だったわけです。 でも、作画サービスって、実はここ1年くらいずっとやっていて、まあアクセス数とかも知れたものだったので、そんなに来ないだろうなと思っていたのですが、ここのところのMidjourney / DreamStudioそしてStableDiffusionの話題性を舐めてました。 最速で作ったWebサービスですが、雑に作ったために、覚悟してはいたものの、最速で回線費用がやばいことに。 ほんの2日で10万円近い出費です。本業がUberEats配達員である吾輩には厳しい。 これ、何かというと、Cloud Firestoreなので連打ですね。連打されると厳しい。 それで連打対策とかもやったのですが、根本的にキューがないと成立しないだろうなと思ってWebサービスをゼロ
巷で話題のStable Diffusion(以下SD)をファインチューニングする方法が公開されたので、早速やります。
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