TF2.0のKerasでPost-training quantization
以前、TF-2.0rc1でtf.kerasのMobileNet v2をfine-tuinginし、Post-training quantizationするノートブックを作った。 TF2.0がリリースされたので、このノートブックをもとにモデルを変換して、いろいろなTF-Lite model を比較してみようと思った。 TF2.0rc1でtf.kerasのMobileNet v2をfine-tuning、Post-training quantizationするnotebookを作ってみたので公開。 Google colabで実行可。 ・Weight quantization ・Float16 quantization ・Integer quantization ・Full integer quantization -> Edge TPU Modelhttps://t.co/18htw5SgFs
自己紹介だけで個人を特定できるリザーバコンピューティングのスゴさ、QuantumCore秋吉氏に聞く「深層学習（LSTM）の次」 - BRIDGE（ブリッジ）テクノロジー＆スタートアップ情報
自己紹介だけで個人を特定できるリザーバコンピューティングのスゴさ、QuantumCore秋吉氏に聞く「深層学習（LSTM）の次」 QuantumCore代表取締役CEOの秋吉信吾氏 2012年の画像認識コンテストILSVRCでの圧勝、Googleの猫認識から巻き起こった第三次AIブームを牽引する技術がディープラーニングであることは周知の通りです。ウェブの発達による大量のデータとそれを処理できる計算機の能力の向上がブームを後押しし、ソフトバンク社長兼CEO宮内謙氏の「データは石油」という言葉は記憶に新しいと思います。 1969年に渡辺慧氏が提唱した「みにくいアヒルの子の定理」によると、人間の識別・認識の本質は特徴の選択・抽出です。機械学習においても「次元の呪い」を避けるために、ビッグデータから特徴の選択・抽出を行う必要がありました。ディープラーニングのブレイクスルーはこの「特徴を自ら抽出でき
Start Here with Computer Vision, Deep Learning, and OpenCV - PyImageSearch
How Do I Get Started? You’re interested in Computer Vision, Deep Learning, and OpenCV…but you don’t know how to get started. Follow these steps to get OpenCV configured/installed on your system, learn the fundamentals of Computer Vision, and graduate to more advanced topics, including Deep Learning, Face Recognition, Object Detection, and more! Before you can start learning OpenCV you first need t
NTTコム「ディープラーニングの社会実装が進まない理由」として製造業の事例を紹介 DLLABイベントで - ロボスタ ロボスタ - ロボット情報WEBマガジン
「Deep Learning Lab」（ディープラーニング・ラボ）は、ディープラーニングを中心とした先端技術の持つ可能性を、実際のビジネスへ応用するべく、技術とビジネスの両面に精通したプロフェッショナルたちが集まるコミュニティ。Microsoft AzureとChainerを、主要なプラットフォーム/フレームワークとして、開発やビジネスの現場の声を共有する場にもなっている。 そのDEEPLARNING LABは6月8日、東京大手町で「DLLAB 2周年イベント: ディープラーニングの社会実装を阻むものは何か？」(主催:日本マイクロソフト株式会社)というセミナーとワークショップ、ミニ展示ブースで構成されるイベントを開催した。 基調講演には東京大学の松尾豊氏とマイクロソフトのRahul Dodia氏が登壇した。 また、協賛企業を中心に多くのセミナーも行われた。その中からNTTコミョニケーション
Google AI with Jeff Dean | Google Cloud Platform Podcast
Jeff Dean, the lead of Google AI, is on the podcast this week to talk with Melanie and Mark about AI and machine learning research, his upcoming talk at Deep Learning Indaba and his educational pursuit of parallel processing and computer systems was how his career path got him into AI. We covered topics from his team’s work with TPUs and TensorFlow, the impact computer vision and speech recognitio
エッジコンピューティングの流れ変える--グーグル、エッジ向け機械学習チップ発表
Googleがエッジコンピューティング分野に乗り出す。クラウドと人工知能（AI）を組み合わせるもので、機械学習向け専用チップに代表されるハードウェアの取り組みを拡大する動きととらえることもできる。「エッジコンピューティングの流れを変えるゲームチェンジャー」と同社幹部は述べている。 サンフランシスコで開催中の年次イベント「Google Cloud Next 2018」で発表された。エッジコンピューティングの取り組みは、2018年に発表したIoTサービス「Cloud IoT Core」を補完するものとなる。Cloud IoT Coreは、Google Cloud上で数百万にのぼるデバイスの接続と管理を支援するフルマネージドサービス。既にノルウェーの石油企業であるAkerBPが、油田の安全性強化と予測メンテナンスに利用しているほか、駐車場や農業でも採用が進んでいるという。 イベント2日目の基調講
なぜ日本企業は｢ビッグデータ集めなきゃいけない病｣にかかるのか？
私は、シリコンバレーに拠点をもつAIビジネスデザインカンパニー、パロアルトインサイトのCEOとして、過去50社以上の日本企業にAI技術活用に関するアドバイスや導入をしてきました。 業界特化型のAIソリューションを提供する会社ではなく、業界横断的に企業のニーズを見て、それに対してAI技術を駆使した解決策を提案、実装してきた中で見えてきたことがあります。 それは、多くの日本企業、それも超一流の会社ばかりが、｢データ集めなきゃいけない病｣にかかっているということです。 弊社のクライアント企業の経営陣は、よく以下のような質問を投げかけて来ます。 •集められるデータを集められるだけ収集しないと、AI活用できないのか？ •分析するのは｢ビッグデータ｣じゃないといけないのか？ •どれだけの容量のデータが集まれば、｢解析するのに十分だ｣と言えるのか？ データが十分に集まっているだけでは、ゴールにたどり着け
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
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
