Googleの機械学習ライブラリ「TensorFlow」がWindowsネイティブ対応を終了／今後は「WSL 2」へのインストールを
Tensorflowで学習したモデルをC++/OpenVINOで高速に推論するチュートリアル - Qiita
はじめに OpenVINOはIntelが提供しているディープラーニングの推論エンジンライブラリです。 OpenVINOを使うことでTensorflowやPytorchで学習したモデルをロードし、高速に推論を実行することができます。 Tensorflowで推論を実行するよりも、数倍の実行時間短縮の効果を得られます。 さすがIntelというところでしょうか、OpenVINOのドキュメントは公式に丁寧にまとめられており、 https://docs.openvinotoolkit.org/latest/index.html また公式のフォーラムも活発なので、 https://community.intel.com/t5/Intel-Distribution-of-OpenVINO/bd-p/distribution-openvino-toolkit OpenVINOを利用するには特に困らないのです
MMdnnで、tf.kerasのVGG16をONNX変換し、Neural Network Consoleへインポート。課題あり。 - SE_BOKUのまとめノート的ブログ
ONNXのような共通フォーマットのメリットを、現実的に享受することを考えると、「どこかの処理系で「学習済」のモデルをONNX形式を介して、自分の処理系にとりこんでファインチューニング」ができるかどうか？が大きいです。 現時点でどこまで可能になっているのか？ それを試してみたのが、今回のテーマです。 結論から書いておきます 技術は日進月歩です。 以下は、2019年2月終了時点の記事ということを念頭に読んでくださいね。 さて。 今回やってみたのは以下の２つです。 tf.kerasの学習済VGG16モデルをONNX形式ファイルに変換する 新規に作成したシンプルなkerasモデルをONNX形式ファイルに変換する 上記のONNXファイルをNeural Network Consoleにインポートする 試した（2019/02/16）バージョンは。 Tensorflow 1.12 ／ Neural Net
PyTorch, ONNX, Caffe, OpenVINO (NCHW) のモデルをTensorflow / TensorflowLite (NHWC) へお手軽に変換する - Qiita
PyTorch, ONNX, Caffe, OpenVINO (NCHW) のモデルをTensorflow / TensorflowLite (NHWC) へお手軽に変換するDeepLearningCaffeTensorFlowPyTorchONNX 日本語 English 1. はじめに いつも左中間を狙うようなプチニッチなふざけた記事ばかりを量産しています。 この記事の手順を実施すると、 最終的に PyTorch製 高精度Semantic Segmentation の U^2-Net を TensorFlow Lite へ変換することができます。 下図のような感じです。 TensorFlow めちゃくちゃ扱いにくいです。 日々公開される最新のとても面白いモデルは軒並みPyTorch実装ですし、なんでTensorFlowで実装してくれないんだ！！ と、常日頃思っています。 論文のベンチマ
TensorFlow内部構造解析 - Qiita
TensorFlowはGoogleが開発した機械学習/深層学習のライブラリで、GitHubにオープンソースソフトウェアとして公開されています。TensorFlowという名は、機械学習/深層学習にメインに携わっている人でなくても、その名前知っている方は多いかと思います。 TensorFlowはドキュメントやサンプルが充実していることから、TensorFlowを使うだけであれば、情報不足により困ることはほとんどありません。しかし、TensorFlowの内部構造を説明した資料は非常に少なく、TensorFlowの内部を理解するためにはソースコードを読む必要があります。 そこで、TensorFlowの内部構造を説明する記事を、連載で書きたいと思います。 現状書こうと考えている記事は以下の通りですが、執筆を進める中で構成の変更や記事の追加も考えたいと思います。 データ構造 Protocol Buff
Deep Learningアプリケーション開発 (1) Keras with Python - Qiita
この記事について 機械学習、Deep Learningの専門家ではない人が、Deep Learningを応用したアプリケーションを作れるようになるのが目的です。MNIST数字識別する簡単なアプリケーションを、色々な方法で作ってみます。特に、組み込み向けアプリケーション(Edge AI)を意識しています。 モデルそのものには言及しません。数学的な話も出てきません。Deep Learningモデルをどうやって使うか(エッジ推論)、ということに重点を置いています。 Kerasで簡単にMNIST数字識別モデルを作り、Pythonで確認 <--- 今回の内容 TensorFlowモデルに変換してPythonで使用してみる (Windows, Linux) TensorFlowモデルに変換してCで使用してみる (Windows, Linux) TensorFlow Liteモデルに変換してPython
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
Yolov3 to Tensorrt : Custom Plugins for tf-keras Lambda Layers