「Everyday AI」で何が便利になる？ 日本マイクロソフトがAIへの取り組みを説明
Deep Learningにおける知識の蒸留 | Code Craft House
ここ数年のDeep Learningの発展は目覚ましく、急速に実用化が進んでいます。タスクによっては人間に匹敵する精度に達しているものもあり、システムの一部品としてデプロイする場面も増えてくると思います。そこで問題になるのが計算機資源の制約です。学習時には大量の学習データを用意し、GPUなどの計算資源で数時間や数日かかるような学習をしますが、推論時には限られたメモリや計算資源のもとで動作させる必要があります。リアルタイムに大量の入力データを捌く必要があったり、スマートフォンやエッジデバイスなどで動作させる場合には、この制約はさらに強くなります。 深くて大きいモデルの方が精度が出るが、実用を考えると軽量なモデルにする必要がある。こういった場面で最近よく使われる手法として、 知識の蒸留 (Knowledge Distillation) と呼ばれる方法があります。これは、（典型的には）大きくて複
PFU、産業用AI実現に向けDeep Learningアクセラレータカードなどを展開
PFUは1月15日、製造・生産現場においた高度化・効率化のためIoTやAIなどのデジタル技術を活用した産業向けエッジコンピューティングシステムの取組み強化の一貫として、組み込み用途向けの「Deep Learningアクセラレータカード AI400シリーズ」を発表した。 PCI ExpressハーフサイズにインテルArria10 GX1150プロセッサーや8GBメモリーなどを搭載した製品。コンピューターのCPUに負荷をかけることなくAIアプリケーションを動作でき、小型の産業用PCでも画像認識などの機能を利用できる。最大消費電力はおよそ25Wと、GPUカードに比べて低電力で動作可能。価格は要問い合わせ。 同社では、今後インテルXeonプロセッサーを搭載した2Uサイズの「AR6200 モデル140K」の販売も予定しており、ラックマウント型組込みコンピュータ AR6000シリーズのラインナップを拡
PFNのChainer対応の推論処理ボード、PFUが発売
PFUは、産業向けエッジコンピューティング事業の幅を広げる（ニュースリリース）。その第１弾として、深層学習の推移処理を実行するPCI Expressボード「＜AI400シリーズ＞Deep Learningアクセラレータカード」を発売した。 これまで同社のエッジコンピューティング事業は、コントローラー（産業用PC/コンピューター）の開発・販売に集中していた。今後はコントローラーに加えて、ソフトウエアや周辺（拡張用）ハードウエアの開発・提供も積極的に行い、システム全体に事業領域を広げる。なお、オンプレミスのサーバーやPCへは今回は進出しないという。「ハードウエアとしてはオンプレミスのコンピューターも、エッジコンピューティングのコントローラーもほぼ同じだが、まずは、エッジ・コンピューティング・システム全体に事業を広げることに力を入れる」（同社）。 エッジコンピューティング事業の幅を広げる。従来は
Indie Tech Publishers - Spinach Forest
次に読む本を探すべく Amazon.com をうろうろしていたのだけれど、技術書は少し Amazon で探しにくくなった気がする。電子書籍重視な新興出版社の本は Amazon に無い・・・わけではないにせよ、O'Reilly とかと比べいまいちレビューが伸びない傾向を感じる。具体的には PragPub, Manning, No Starch Press あたり. Packt も新興のはずだけど、なぜか割とレビューついてるね。 自分は PragPub や Manning からよく本を買うのでややバイアスがあるかもしれないけれど、彼らの出版社の本を買うときってだいたい promotion mail 経由なのだよな。しかも Beta/MEAP として最終版ができる前に買う。こういう相対的に熱心な読者は、結果として Amazon では買わずレビューも残さないのだった。技術書の中でも要素技術解説系の
GPUでChainerを動かすならDeep Learning Base AMI(Ubuntu)を使用するのが楽。 - Qiita
はじめに 私が自分のPCでGPU Learningしようとしてセットアップで四苦八苦していた際に、AWSからDeep Learning Base AMIなるものが昨年11月に出ていたと知り、試した所非常に簡単に学習まで行うことが出来たのでそのやり方についてまとめました。 AWS Deep Learning Conda と Base AMI の利用開始について Deep Learning Base AMI Deep Learning Base AMIはセットアップやパスの設定がめんどい、NVIDIA driver, CUDA, CuDNN, Python, etc...が最初から入ってるAMIです。 UbuntuかLinux版があり、主要フレームワーク(MXNet, TensorFlow, Caffe2, PyTorch, Theano, CNTK, Keras)がプリインストールされてるA
Amazon Rekognition Now Available in AWS US-East (Ohio) Region - AWS
Amazon Rekognition Now Available in AWS US-East (Ohio) Region Amazon Rekognition is a deep learning-based service that makes it easy to add image and video analysis to your applications. Rekognition Image API allows you to detect objects, scenes, faces and inappropriate content; extract text; recognize celebrities; and search and compare faces, in images. Rekognition Video API for the AWS US-East
Adversarial Examples: Attacks and Defenses for Deep Learning
With rapid progress and significant successes in a wide spectrum of applications, deep learning is being applied in many safety-critical environments. However, deep neural networks have been recently found vulnerable to well-designed input samples, called adversarial examples. Adversarial examples are imperceptible to human but can easily fool deep neural networks in the testing/deploying stage. T
深層学習の今のところの限界「何ができて、何ができないか？」
Tweet あけましておめでとうございます。 先日、MIT Technology Reviewにこのような記事が掲載されていました。 深層学習の過大評価は危険、ウーバーAI研究所の前所長が指摘 この論文を発表したのはニューヨーク大学の心理学者のゲイリー・マーカス教授。心理学者ということで、我々情報工学の立場とはまた違う立場で深層学習にできることとできないことを分離しています。 筆者はこのニュースを見て最初は反発したのですが、原文を読んでみると現状のディープラーニングの課題についてよくまとまっているのではないかと思いましたので紹介します。原文はこちら ■ディープラーニングの限界 マーカス教授によると、ディープラーニングは「無限のデータと無限の計算資源がある場合においては極めて有効である(In a world with infinite data, and infinite computati
Amazon Lex で Hello World | DevelopersIO
渡辺です。 限定的ですが日本でもEchoが発売され、Alexaが日本語を喋るようになりました。 Lexにも期待が膨らむところです。 これまでもブログでLexの紹介がありましたが、今回はブループリント（設計図）を使用せず、カスタムボットを作成してみます。 なお、2018年1月時点で、Lexは東京リージョンで利用できません。 Hello Worldボットを設計する 今回作成するボットは、話しかけると「Hello World!」と答えるだけのボットです。 しかし、何を話しかけても「Hello World!」と答えるわけではありません。 「Hello」や「Hey」などボットに話しかけると、「Hello World!」と返します。 ボットを作成する はじめにボットを作成します。 AWSのマネジメントコンソールからLexの画面を開き、ボットを作成します。 「Custom Bot」を選択し、Bot Na
Background removal with deep learning
This post describes our work and research on the greenScreen.AI. We’ll be happy to hear thoughts and comments -On Twitter, Linkedin Also check out our website — www.shibumi-ai.com IntroThroughout the last few years in machine learning, I’ve always wanted to build real machine learning products. A few months ago, after taking the great Fast.AI deep learning course, it seemed like the stars aligned,
Deep Learning: A Critical Appraisal
Although deep learning has historical roots going back decades, neither the term "deep learning" nor the approach was popular just over five years ago, when the field was reignited by papers such as Krizhevsky, Sutskever and Hinton's now classic (2012) deep network model of Imagenet. What has the field discovered in the five subsequent years? Against a background of considerable progress in areas
深層学習の過大評価は危険、ウーバーAI研究所の前所長が指摘
人工知能 (AI) には果たしてニューラル・ネットワーク以上の意味があるのだろうか。かつてウーバー（Uber）でAI研究所の所長を務めたニューヨーク大学のゲイリー・マーカス教授（心理学）はこんな問いかけをしている。 マーカス教授はニューラル・ネットワークを使う深層学習システムについての評論を発表し、その中で、現在のAIのいくつかの誇大広告について批判している。 マーカス教授は、いまや「AIの広告塔」となっている深層学習が直面している主なハードルを、データ不足や汎化の欠如といった10項目にまとめて、AIは世間で論じられているような万能薬ではないと論じている。深層学習には限界があるというのだ。真偽はわからないが、賛同したくなる誘惑にかられる（「人工知能バブル、3度目の冬はやってくるのか」を参照）。 誇大広告は得てしてリスクを伴う。マーカス教授は人々が深層学習の能力を過大に評価すれば、期待がひど
Saqoosha :: 2017 年のおしごと
SNS にドローンの写真とか動画ばっかアップしてたら、あいつ仕事してないんじゃないか疑惑で心配されたりしたので、2017 年やったおしごとをまとめておきますね🤗 1. 大丸300周年記念インスタレーション「Flower Mirror」 大規模インスタレーション案件。メカ→ TASKO、デバイス→カンタさん、全体制御アプリ→わたし。これはブログ書いてたな。その後、Unite でちょっとメイキングの話したときの動画。巨大なやつを制御できるのは楽しかった。でかいのは正義。 2. YASUTAKA NAKATA OFFICIAL WEBSITE やったのは全体のテクニカルディレクションとトップページのシェーダー 1 個書いただけですけれども。もともと CAPSULE、Perfume、MEG、きゃりーぱみゅぱみゅあたりが好物でしたので、中田事務所いって本人と打ち合わせしたのがハイライトでしたね😀
Google、機械学習による画像認識分類システムを欺ける敵対的物理ステッカーを提案した論文を発表。ステッカーは印刷可能でシーンに依存しない
Google、機械学習による画像認識分類システムを欺ける敵対的物理ステッカーを提案した論文を発表。ステッカーは印刷可能でシーンに依存しない 2018-01-04 Googleの研究者らは、Deep learningによる画像認識分類システムを欺ける敵対的ステッカーを提案した論文を発表しました。 Adversarial Patch 著者：Tom B. Brown、Dandelion Mané、Aurko Roy、Martín Abadi、Justin Gilmer （上図では97％の信頼度でバナナと分類しているが、ステッカーを置いた下図では99％の信頼度でトースターと分類している様子） テーブル上のバナナは、VGG16ニューラルネットワークによってバナナとして正しく分類されますが、隣にサイケデリックなステッカーを置くと、バナナのことはすっかり忘れトースターとして分類されます。このように、ステ
Yuta Kashino on Twitter: "（´-`）.｡oO( 今年は深層学習にいい加減なことを言う人が近くにいた，らせめてNIPS2017のこのチュートリアルくらいは押さえてよ，言うことにします．"Deep Learning: Practice and Trends T… https://t.co/duoirU40pT"
（´-`）.｡oO( 今年は深層学習にいい加減なことを言う人が近くにいた，らせめてNIPS2017のこのチュートリアルくらいは押さえてよ，言うことにします．"Deep Learning: Practice and Trends T… https://t.co/duoirU40pT
Good books for deep hacks
For the past few months I’ve been compiling a list of books for a deep dive into interesting technical topics. My theory is that working on projects based on these topics will be like strong individual threads I can weave into epic hacks. This list is basically a curriculum for decades of learning about the wonders of computers. What’s exciting about many of these books is how they draw on the goo
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
Japanese scientists just used A.I. to read minds and it's amazing
Deep Learning_ Practice and Trends - final.pdf
動画
