最小限のローカルインスタンスをセットアップして、AgentOS の使用を始めてみましょう。このガイドは、サンプルを通して高度な機能を追加するオプションのパスも備え、最初のエージェントを数分で実行できます。 Agno 2….
ClasCat® AI Research – クラスキャット – AgentOS, AI エージェント, MCP, AutoGen, AG2, Agno
最小限のローカルインスタンスをセットアップして、AgentOS の使用を始めてみましょう。このガイドは、サンプルを通して高度な機能を追加するオプションのパスも備え、最初のエージェントを数分で実行できます。 Agno 2….
AWSのGPUインスタンスでTensorFlowを動かす - Qiita
以下の環境で試したので、インストール時の作業記録を残しておきます。 Mac OS X CPUのみ Amazon web service(AWS) GPUあり なお、TensoFlowはWindowsで動作しません。TensorFlowが採用しているGoogle製のビルドツールBazelが、LinuxとMacのみの対応です。手元にMacかLinuxマシンが無ければ、AWSでUbuntu環境を用意するのが簡単だと思います。 Mac OS X CPUのみで動作するパッケージをインストールしました。最もお手軽です。 スペック MacBook Pro (Retina, 15-inch, Mid 2014) CPU: 2.2 GHz Intel Core i7 メモリ: 16 GB 1600 MHz DDR3 公式ドキュメント通りpipでパッケージを導入。
特にプログラマーでもデータサイエンティストでも�ないけど、Tensorflowを1ヶ月触ったので超分かりやすく解説 - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? これ書くだけで土日２日間まるまる潰れてしまった。 学んだ内容に沿っているので、順に読み進めるに従ってコードの話になっていきます。 Tensorflow触ってみたい/みたけど、いろいろまだ理解できてない！という方向けに書きました。 ※2018年10月4日追記 大分古い記事なのでリンク切れや公式ドキュメントが大分変更されている可能性が高いです。 この記事のTensorflowは ver0.4~0.7くらいだった気がするので ver2.0~となりそうな現在は文章の大半が何を参考にしているのか分からないかもしれません。 1: Deep Lear
【デブサミ2016】18-B-1レポート エンジニアなら使える深層学習 ～ TensorFlowやDataRobotで機械学習がもっと身近に
「機械学習」という言葉は最近では半ばバズワードしつつありますが、関連するキーワードとして「深層学習（Deep Learning：ディープラーニング）」も同様に脚光を浴びています。機械学習と同様に気になるワードではあるけれど、一体その正体とは何なのか、何ができるのか？ という風に思っている人も少なからずいるのではないでしょうか。2016年02月18日に目黒雅叙園にて行われた「Developers Summit 2016」では、高エネルギー物理学の博士号を持ち、ニューヨーク大学でデータサイエンティストとしてヒッグス粒子発見のためのデータ解析に携わり、現在ではDataRobot社でデータサイエンティスト兼オーガナイザーを務めるシバタアキラ氏が、分かりやすい内容で深層学習とDataRobotに関する解説を行いました。本記事ではそのセッション内容についてレポートしたいと思います。 講演資料：エンジニ
Distributed TensorFlowを試してみる - Qiita
Distributed TensorFlow が公開されました。中の人の説明がわかりやすいですが、TensorFlowの分散環境における並列演算を支援する仕組みです。 Dockerイメージを山ほど作って使うのが想定なのでしょうけれども、低火力コンピューティングの底辺にいる私としては、とりあえず自宅のデスクトップPCのUbuntu14.04(64bit)上でサーバを走らせて、MacBookから叩くところまでやってみます。 自宅の環境はデスクトップPCのほうがCPUがしょぼい上にGPU非搭載なので実用上まったく価値が無いのですが、まあ練習ということで。 サーバのビルド(Ubuntu14.04) 現時点(2016/2/28)ではソースからビルドする必要があります。TensorFlow公式にならって環境構築からビルドまでやってみます。 まずbazelのインストール。 $ sudo add-apt-
TensorFlow MNIST For ML Beginners 翻訳 - Qiita
TensorFlowが出てきてから一月も立ってしまいすでに出遅れ感がありますが、初心者用チュートリアルである「MNIST For ML Beginners」を試すためにまずは翻訳をしてみました。 ただし翻訳が間違っている可能性大であるため参考にされる場合はご注意を。 間違いがありましたら指摘いただけると嬉しいです。 翻訳元：MNIST For ML Beginners MNIST For ML Beginners（機械学習初心者のためのMNIST） このチュートリアルは機械学習とTensorFlowの両方に不慣れな読み手を対象としたものである。 もしあなたがすでにMNISTとは何か、softmax (多項ロジスティック)回帰とは何かを知っているならば、もっと先のチュートリアルをしたほうがいいだろう。 どのようにプログラムするか学んだ時、あなたが最初にするのは"Hello World."とp
DockerでJupyter Notebook環境をお手軽に準備する(TensorflowやGraphvizもあるよ） - Qiita
はじめに ちょっとデータ分析や機械学習をやってみたい、んだけど環境準備が少し面倒だとか、 ハンズオンとかやるんだけど環境セットアップの説明だけで結構時間を使ってしまう、ということがなきにしもあらずかと思います。 Jupyter Notebookは機能的にも素晴らしい環境ですし、Webブラウザがあれば使うことができます。そういう環境はDockerに入れておくと便利で、各自のLocalで起動して使うか、クラウドサーバで起動しておけば、Webブラウザがあれば誰でも使えるのでお手軽です。 既に公開されているDocker Containerもあるのですが、いくつか欲しいものが足りないので追加したものを作ったので共有します。 Jupyter Notebook Docker Container Dockerファイルはここにあります。 https://github.com/mokemokechicken/
グーグル、「TensorFlow Serving」を公開--機外学習モデル開発、本番環境導入を支援
Googleは、大規模な機械学習モデル開発プロジェクトを支援するソフトウェアである「TensorFlow Serving」をオープンソースコミュニティに公開した。 GoogleのソフトウェアエンジニアNoah Fiedel氏は米国時間2月16日、リリースを発表するブログ記事で、このソフトウェアは機械学習モデルの高性能サービスシステムであり、特に本番環境への導入に適していると述べている。 「TensorFlow」は、「Google Photos」「Google Translate」といった有名なアプリケーションや、「Inbox」の「Smart Reply」機能、Googleアプリの音声認識などで使用されている機械学習ソフトウェアだ。 TensorFlowには、単にこういったアプリケーションに機能を追加する以上の可能性がある。Googleによれば、この技術は機械学習以外にも、複雑なデータセット
#cmdevio2016 (レポート: E-2) TensorFlowと機械学習の今 | DevelopersIO
平田です。 先日、Developer.IO 2016にて、「TensorFlowと機械学習の今」というタイトルで、TensorFlowと深層学習についてセッションを行いました。他セッションとはかなり毛色の違う内容なので、閑古鳥も覚悟していましたが、結果は満員御礼でした。 普段の業務では深層学習には触れていないため、素人考えの発表となっています。内容に不備や誤りが多々あるかと思いますので、予めご了承ください。 機械学習の現在 最近の機械学習で、話を聞かない日はないと言ってもいいくらい、今の機械学習は深層学習が中心です。 今回は、この深層学習について簡単に概要を話し、なぜ今機械学習ライブラリが必要とされているのか、深層学習の登場によって他領域の機械学習にどのような影響を与えているのかを、ざっくりと自分なりにまとめて話しました。 深層学習について ニューラルネットワークの多層化には壁があり、その
GitHub - tensorflow/serving: A flexible, high-performance serving system for machine learning models
TensorFlow Serving is a flexible, high-performance serving system for machine learning models, designed for production environments. It deals with the inference aspect of machine learning, taking models after training and managing their lifetimes, providing clients with versioned access via a high-performance, reference-counted lookup table. TensorFlow Serving provides out-of-the-box integration w
TensorFlowでディープラーニングによる『キュウリ』の仕分け | Workpiles
ディープラーニングを使ってキュウリの仕分け（選果とも言う）をしてみました。 今回試してみたのは、TensorFlowのチュートリアル『Deep MNIST for Experts』の畳み込みニューラルネットワークに少し手を加え、キュウリの仕分け作業をやらせてみるとう試みです。 キュウリをWebカメラで撮影した画像により、仕分けを行います。 キュウリの仕分けとは キュウリの仕分けとは、出荷する際に傷や病気があるものを弾いたり、形や色合い、大きさによりランク別に選別したりする作業です。 選別には、とくに統一規格があるわけではなく、各農家によって独自ルールがあったりします。 （主に、出荷先の希望、市場での値の付き方、作業効率などにより決めていると思われる） さて、うちの仕分けルールは、だいたいこんな感じになります。（実際にはもう少し細かいのですが…） 2L〜2S:良品。色艶がよく、比較的まっすぐ
word2vec の各種実装の速度比較 | カメリオ開発者ブログ
word2vec_cbow はさすがに GPU を使うだけあって元になった word2vec に比べて3倍以上高速になっています。 chainer は GPU を使うとだいぶマシになりますが、それでもかなり遅いです。ただ、 improve-word2vec ブランチの実装では、 Chainer 1.5 のものと比べて速度が1.5倍程度に改善されています（ここには示していませんが、条件によっては2倍以上の性能が出ることもありました）。残念ながらまだマージされていませんが、次のバージョンにはぜひ入ってほしいですね。 まとめ この結果を見る限り、速度に関する比較だけで言えば word2vec か gensim のどちらかを使っておけば良さそうです。 word2vec_cbow は速いですが、 GPU が必要なので動かせる環境が限定されてしまいます。逆にどうしても高速化したい場合には良い選択肢だと
Distributed TensorFlowの話 - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? Hadoop Conference Japan 2016 もともとは2月8日に開催されるHadoop Conference Japan 2016のセッションとしてこの話を応募したのですが、あえなく落選しました……（;_;) しかし、ありがたいことに復活戦のLightning Talkの投票では5位に選んでいただき、ランチタイムA会場でお話することになりました。ありがとうございます！ 今回のスライドはここで公開しています。 とはいえ、5分のLTではこの内容をしっかりと伝えられる自信がないので、以下でスライド内容の詳しい解説をしたいと思いま
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
https://www.tensorflow.org/versions/r0.7/how_tos/graph_viz/index.html
tensorflow/tensorflow/core/distributed_runtime at master · tensorflow/tensorflow
tensorflow/tensorflow/core/distributed_runtime/README.md at master · tensorflow/tensorflow
AttributeError: 'module' object has no attribute 'gfile' in 0.7.0 [Fixed in source, will be in next binary release] · Issue #1121 · tensorflow/tensorflow![AttributeError: 'module' object has no attribute 'gfile' in 0.7.0 [Fixed in source, will be in next binary release] · Issue #1121 · tensorflow/tensorflow](https://cdn-ak-scissors.b.st-hatena.com/image/square/4162b8aa0f158444f874ca92b5123a9a2f1be788/height=288;version=1;width=512/https%3A%2F%2Fopengraph.githubassets.com%2Ffb4fd6cdb63db9397d6bb522d3c8a47e7b65f229d03a2098f594fe3519b3057e%2Ftensorflow%2Ftensorflow%2Fissues%2F1121)
[TF]TensorflowのAPIについて - Qiita![[TF]TensorflowのAPIについて - Qiita](https://cdn-ak-scissors.b.st-hatena.com/image/square/45c38f9be40a9d021deaf0c6268411be2c34e619/height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fqiita-user-contents.imgix.net%252Fhttps%25253A%25252F%25252Fcdn.qiita.com%25252Fassets%25252Fpublic%25252Farticle-ogp-background-afbab5eb44e0b055cce1258705637a91.png%253Fixlib%253Drb-4.0.0%2526w%253D1200%2526blend64%253DaHR0cHM6Ly9xaWl0YS11c2VyLXByb2ZpbGUtaW1hZ2VzLmltZ2l4Lm5ldC9odHRwcyUzQSUyRiUyRnFpaXRhLWltYWdlLXN0b3JlLnMzLmFtYXpvbmF3cy5jb20lMkYwJTJGMTAwNTIzJTJGcHJvZmlsZS1pbWFnZXMlMkYxNDczNzA4MTIwP2l4bGliPXJiLTQuMC4wJmFyPTElM0ExJmZpdD1jcm9wJm1hc2s9ZWxsaXBzZSZiZz1GRkZGRkYmZm09cG5nMzImcz1jOGJhYTlmNzI4MzM0MzVmOTgxMDczYTFiOTk3OWViYQ%2526blend-x%253D120%2526blend-y%253D467%2526blend-w%253D82%2526blend-h%253D82%2526blend-mode%253Dnormal%2526s%253D079163262c157ad7522d31f30d9ffd81%3Fixlib%3Drb-4.0.0%26w%3D1200%26fm%3Djpg%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTk2MCZoPTMyNCZ0eHQ9JTVCVEYlNURUZW5zb3JmbG93JUUzJTgxJUFFQVBJJUUzJTgxJUFCJUUzJTgxJUE0JUUzJTgxJTg0JUUzJTgxJUE2JnR4dC1hbGlnbj1sZWZ0JTJDdG9wJnR4dC1jb2xvcj0lMjMxRTIxMjEmdHh0LWZvbnQ9SGlyYWdpbm8lMjBTYW5zJTIwVzYmdHh0LXNpemU9NTYmdHh0LXBhZD0wJnM9ZmMxNmFiOWVlYzRlZTc5NGMzZTg2MDI4ZjIzNzQwOGY%26mark-x%3D120%26mark-y%3D112%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTgzOCZoPTU4JnR4dD0lNDBzdXBlcnNhaWFrdWppbiZ0eHQtY29sb3I9JTIzMUUyMTIxJnR4dC1mb250PUhpcmFnaW5vJTIwU2FucyUyMFc2JnR4dC1zaXplPTM2JnR4dC1wYWQ9MCZzPTllZGIzOTQ1YThjNDUxMjIwMWZhYTU3YjM2MTYwODI5%26blend-x%3D242%26blend-y%3D480%26blend-w%3D838%26blend-h%3D46%26blend-fit%3Dcrop%26blend-crop%3Dleft%252Cbottom%26blend-mode%3Dnormal%26s%3D7076adae960e8dbfd480507064ae9f7e)
Neural+TensorFlow.pdf
Distributed TensorFlow
