Deploy ML on mobile, microcontrollers and other edge devices

and then write a function that trains on a batch of colors. Note that we wrap the call for the session to train within a math.scope callback. Using math.scope is obligatory here (and in other parts of the code) because it allows deeplearn.js to reap resources (such as data on the GPU) once they are no longer needed. Also note that the train1Batch method accepts a shouldFetchCost parameter. This al
動機 前回「Ruby でニューラルネットワーク」では、MNIST のデータを使って、数字認識ができるニューラルネットワークを構築しました。元ネタは、名著「ゼロから作るDeep Learning ――Pythonで学ぶディープラーニングの理論と実装」です。 ただ、数字の認識を行えるとはいっても、訓練用のデータもテスト用のデータも MNIST から与えられたものにすぎません。自分で実際に手書きの数字を描いてみたらどうなるのだろう?という興味から、ウェブ上で、実際に数値を手書きして、そのまま数字認識が試せるようなものを作ってみました。 Digit Recognition ソースコード(GitHub) 手書き数値の右隣の "3: 99.6%" みたいなところは、たとえば「『3』である確率は 99.6%」ということを意味します。確率の一番高い数字を認識結果としています。 コード解説 neuralne
1990年代初頭から記者としてまた起業家としてITスタートアップ業界のハードウェアからソフトウェアの事業創出に関わる。シリコンバレーやEU等でのスタートアップを経験。日本ではネットエイジ等に所属、大手企業の新規事業創出に協力。ブログやSNS、LINEなどの誕生から普及成長までを最前線で見てきた生き字引として注目される。通信キャリアのニュースポータルの創業デスクとして数億PV事業に。世界最大IT系メディア(スペイン)の元日本編集長、World Innovation Lab(WiL)などを経て、現在、スタートアップ支援側の取り組みに注力中。 Pythonで書かれたディープラーニング用ニューラルネットワークライブラリ「Keras」を、ウェブブラウザ上で実行するJavaScriptライブラリ「Keras.js」が登場した。 そもそも「Keras」は、Googleが提供するオープンソースの機械学習・
ディープラーニングが盛り上がっています。大量のデータを分析する際に画一的なアルゴリズムではなく、学習しながらエンジンを磨いていくことで、これまでにない精度で分析ができるようになっています。 今回紹介するSukiyakiもそんなディープラーニングエンジンの一つですが、特徴としてJavaScriptで作られ、Webブラウザ上で動くという点があげられます。 Sukiyakiの使い方 分析の一例です。画像の数字を見極めます。最初は精度が高くありません。 学習を繰り返す内に徐々に精度があがってきました。 最後はだいたい2%に落ち着きました。 SukiyakiはGPGPUとマルチコアCPUををサポートしています。nodeでももちろん動作します。ディープラーニングをさくっと体験するにはWebブラウザで動くという利点は大きいと思われます。 Sukiyakiはnode/JavaScript製のオープンソース
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