RubyでONNXフォーマットのDNNの推論を可能にするExtensionを開発 - Qiita
この度、RubyでCPUによるDeep Neural Networkの推論を可能にするExtension: menoh-ruby を開発・公開しました。 正確には、ONNXフォーマットで出力されたDNNモデルパラメータを用いて推論を行うC++ベースのライブラリmenoh(初出Instant(解説記事))のRubyラッパーを開発しています。 機能概要 C++ベースのMenohの性能をほぼそのまま活用できる 任意の層のノード値へのアクセスが可能 MKL-DNNベースの高速推論 バッチサイズ指定により複数画像に対する同時推論が可能 入出力をRubyのデータ型に適切にバインドしている 1バッチあたりの入力はRMagickのImageオブジェクトの配列 推論結果をHash/Array形式で取得可能 Rubyコードの実装例 本家のC++による実装例と同等の処理を、このように書けます。 兎にも角にも実装
Chainerの実験に対してログを可視化したり外部制御するExtension＆WebアプリをPFNで作った - Qiita
ChainerUIでは、Chainerのスクリプトを置く開発レポジトリやディレクトリを「プロジェクト」と呼びます。 適宜監視をしたい「プロジェクト」をChainerUIに登録した後、サーバーを実行します。 その状態でWebブラウザから http://localhost:5000/ にアクセスします。 他にも、実行時のパラメタ等と紐付けて一覧表示することや、任意のイテレーション数で学習を停止することができます。 具体的な導入例はexampleにあります。 その他の機能・操作方法について、詳しくは開発レポジトリを参照してください。 公開の背景 Deep Learningの応用によって、様々な課題に対するState-Of-The-Artが日夜目まぐるしく塗り替えられる現在、実験の可視化や管理の効率化は大きな課題となっています。そのため、効率化支援のためのアプリケーションが乱立する状況になっていま
データフロー制御フレームワークLuigiを使ってビッグデータ解析をする - Qiita
Luigiとは LuigiはPythonで書かれたデータフロー制御フレームワークです。 ストリーミング音楽配信大手のSpotifyが開発しています。ソニーと提携したことでも話題になりましたね。 Luigi公式レポジトリ 本家のプレゼン資料がわかりやすいです。 一般的にビッグデータ解析では、統計・機械学習を行う前に、クレンジングやフィルタ処理をいくつも重ねる必要があります。その依存関係は複雑で、しかもデータの差し替えや失敗・中断時のやり直しなんてやりだすと、苦行の他のなにものでもありません。そんな時にLuigiは使えます。 名前のLuigiの由来は、データフローを配水管に例え、「世界で2番目に有名な緑色の服を身にまとった配管工」だとか…。赤じゃなくて緑なのは、Spotifyのコーポレートカラーと同じだからでしょうか(笑)。 Pythonではありますが、Pythonによる処理だけでなく、Had
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
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
