※ DynalystではAWSを全面的に採用しているため、AirflowもManaged版を調査しています。 導入後の状態 Prefect導入後は、以下の構成となりました。 ポイントは以下の点です。 ワークフローをDocker Image化することで、開発・本番環境の差を軽減 staging・productionはECS Taskとしてワークフローを実行、開発ではローカルPC上でコンテナ実行 ML基盤のGitHubレポジトリへのマージで、最新ワークフローが管理画面であるPrefect Cloudへデプロイ 従来のyamlベースのdigdagから、DSに馴染み深いPythonベースのPrefectに移行したことで、コード量が減り開発負荷が軽減しました。 Prefect 入門 ~ 基礎 ~ 注意: 本記事ではPrefect 1系を扱います。Prefect 2系が2022年7月にリリースされてい
1. はじめに 本記事では、2022年10月にNatureに掲載されたAlphaTensor[1]および関連分野を紹介します。AlphaTensorは「AIが行列積演算の新しいアルゴリズムを発見した」といううたい文句のもとSNSを中心に大きな話題となりました。具体的には、[1]でAIが”発見”したアルゴリズムのひとつでは2進数上の4×4の行列の積を47回の掛け算で計算することができ、これは[1]以前の最速49回(Strassenのアルゴリズム)を上回ったことになります。なお、Strassenのアルゴリズムの49回はその発見から[1]まで約50年間破られていませんでした。 「AIが新しいアルゴリズムを発見した」という広告ですが、実際は 「あるテンソルのよい分解方法を強化学習を利用して探索した」 といった方が正しいです。この 「あるテンソル」はその分解方法と「行列積のアルゴリズム」が自然と対応
機械学習のモデルで簡単に性能を確認する時にも必要となるデータセットですが、今回はTensorFlowのものを使ってPytorchのモデルで学習させてみました。 皆さん、こんにちは。クルトンです。 今回はTensorFlowのデータセットを使ってPytorchのモデルを学習させてみました。 簡単にモデルの動作確認をする場合に使えるかと思います。 今回行なっている環境はGoogleColabでランタイムはCPUです。 TensorFlowのデータセット準備 まずは必要なモジュールをimportします。 import tensorflow_datasets as tfds 次に、データセットを読み込みます。使えるデータセットは公式がまとめているのでこちらをご確認ください。構造化データセットはStructuredと書かれているところのものです。色々なものがあります。 例として、今回選んだデータセッ
はじめに スターターキットについて スターターキットが提供するモデルの概要 実装 必要なパッケージ 実装の概要 メロディ生成実験 実験条件 実験結果 実装の舞台裏やTIPS、TensorFlow版との違いなど おわりに はじめに 最近、下記のイベントが開催されることがアナウンスされた。 benzaiten.studio.site 『AIミュージックバトル!『弁財天』は「伴奏」から「アドリブメロディ」をAIで生成し「どれだけイケてるメロディか」を競うAI自動作曲コンテストです。』 とのことである。 本コンテストではTensorFlowベースのスターターキット(Google Colabで実行可能)が提供されており、自動作曲初心者でも無理なく始められるようになっている。 筆者はPyTorchユーザなので、スターターキットのPyTorch版を作成しておきたいと思ったわけである。自動作曲自体に興味が
前置き 個人マシンで3090 Tiが使えるようになり、ウキウキでEfficientNetV2を回してみると…共有マシンの3090よりも遅い。 どうやらWindowsではパフォーマンスが出ないというウワサは本当だったらしい。(他の要素も検証しろ! 「Windowsが許されるのは小学生までだよねー」などとイジられながらも頑なにWindowsで粘ってきたが そろそろ潮時だろうかと考えていると、CUDA on WSL 2がnear-nativeなパフォーマンスで動くと聞こえてきた。 結果、WSL 2+Docker環境で学習を回すと、Windowsネイティブ環境と比べて実行時間が16%短縮された。 導入方法 以下のページで丁寧に解説されています。 補足: CUDAをDockerから使う場合は「3. CUDA Support for WSL 2」の手順は不要です。 罠1 systemctlが使えないと
Version 1.88 is now available! Read about the new features and fixes from March. October 2022 (version 1.73) Update 1.73.1: The update addresses these issues. Downloads: Windows: x64 Arm64 | Mac: Universal Intel silicon | Linux: deb rpm tarball Arm snap Welcome to the October 2022 release of Visual Studio Code. There are many updates in this version that we hope you'll like, some of the key highli
We’re excited to announce that the November 2022 release of the Python and Jupyter extensions for Visual Studio Code are now available! This release includes the following announcements: Migration to isort extension Auto imports turned off by default with Pylance Pylint and flake8 extensions recommendation “Just My Code” for notebook cell debugging If you’re interested, you can check the full list
","naka5":"<!-- BFF501 PC記事下(中⑤企画)パーツ=1541 --><!--株価検索 中⑤企画-->","naka6":"<!-- BFF486 PC記事下(中⑥デジ編)パーツ=8826 --><!-- /news/esi/ichikiji/c6/default.htm -->","naka6Sp":"<!-- BFF3053 SP記事下(中⑥デジ編)パーツ=8826 -->","adcreative72":"<!-- BFF920 広告枠)ADCREATIVE-72 こんな特集も -->\n<!-- Ad BGN -->\n<!-- dfptag PC誘導枠5行 ★ここから -->\n<div class=\"p_infeed_list_wrapper\" id=\"p_infeed_list1\">\n <div class=\"p_infeed_list\">
画像生成AI「Stable Diffusion」はあらかじめ学習したデータセットを基にして、プロンプトあるいは呪文と呼ばれる入力文字列に沿った画像を自動で生成します。そのStable DiffusionのAIモデルに画像を追加で学習させる「Dream Booth」という手法があるのですが、コマンド入力による操作が必要で、演算処理に何十GBものVRAMを必要としました。しかし、Dream BoothをGUIで、しかもNVIDIA製グラボであれば10GB程度の環境でも使える「Dreambooth Gui」がリリースされたので、実際に使ってみました。 GitHub - smy20011/dreambooth-gui https://github.com/smy20011/dreambooth-gui Dreambooth Guiを使うためにはDockerとWSL2のインストールが必要となります。
画像生成AI「Stable Diffusion」はプロンプトあるいは呪文と呼ばれる入力した文章から画像を自動で生成することができます。このStable Diffusionで生成した画像をフレームにしたアニメーションを生成できる「Deforum」を、ウェブUIの決定版といえるAUTOMATIC1111版Stable Diffusion web UIの拡張機能で追加できるようになったので、実際にアニメーションを生成してみました。 deforum/deforum_stable_diffusion – Run with an API on Replicate https://replicate.com/deforum/deforum_stable_diffusion GitHub - deforum-art/deforum-for-automatic1111-webui: Deforum exte
人工知能(AI)が作った俳句のうち京都大の学生が選んだ作品は、有名俳人の句よりも評価が高かった、との調査結果を京都大の研究グループがまとめた。同グループは「AIと人間の協働でより創造性の高い俳句創作ができる可能性がある」としている。 AIを取り入れた創作活動は「AIアート」と呼ばれ、絵画などの視覚的な分野で特に研究や実践が進んでいる。言語を用いた分野での事例は少ないものの、言語処理能力や生成技術は向上しているという。京大人と社会の未来研究院の上田祥行特定講師らのグループは、「五七五」と最も短い詩でAIを取り入れやすいことから俳句を題材とした。 調査はインターネット上で385人に実施。対象となる俳句を、AIで生成した句をランダムに選んだもの▽AIで生成した句のうち京大生がよいと評価したもの▽著名な俳人の句―の3種類に分けた上で、その分類が分からないようにして評価してもらった。 例えば晩秋を表
攻めと守りの両面で、規模や業種を問わず不可欠になりつつあるAI活用。もはや「PoC止まり」も許されなくなりつつある今、各種制約がある中でもプロジェクトを進められる方法とは。 AIの本格導入が始まった AI(人工知能)活用が一般企業にも広がりを見せつつある。これまでは一部の先進企業における研究開発やPoC(概念検証)に限られるケースが多かった。だがここにきて、業種や規模を問わず、多くの企業がさまざまな分野でAIの取り組みを加速させている。 例えば、生産設備や製造装置における予防/予知保全だ。装置に振動センサーを取り付け、その信号をAIで分析し、ラインで発生する機械の故障を事前に予測する。その他、購買履歴を基に顧客分析などに役立てている小売業、道路や橋梁(きょうりょう)などの設備メンテナンスに活用している建設業、SNSデータ分析などマーケティング活動に利用しているサービス業、ゲノム解析に活用し
「3つのD」が示すAIの最新トレンド Gartner バイス プレジデント アナリスト カーリー・アイディーン氏 講演の冒頭でアイディーン氏は「今、AIは複雑なものになってきたと同時に、とても面白い段階にある」と語った。同氏は講演の中で10のトレンドを取り上げ、それぞれを「Democratized:民主化」「Dynamic:ダイナミズム」「Data-Centric:データ中心」の3つのDで整理した(図1)。 図1:データサイエンスと機械学習の将来を示す3つのD 出典:ガートナー 1つ目のDは、データサイエンスや機械学習を組織の中のあらゆる人たちが使えるようにする「民主化」である。ややもすれば、機械学習モデルのライフサイクルにおける大半の仕事が、データサイエンティストだけが担うものと捉えられてきた。ほとんどの社員にとって、データサイエンスは敷居の高い存在であり、専門家に任せた方が合理的と思え
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