MetalImageRecognition: Performing Image Recognition with Inception_v3 Network using Metal Performance Shaders Convolutional Neural Network routinesMetalImageRecognition: Performing Image Recognition with Inception_v3 Network using Metal Performance Shaders Convolutional Neural Network routines
Deep Learning AMI release v1.2 for Ubuntu and Updated AWS CloudFormation Template Now Available - AWS
Deep Learning AMI release v1.2 for Ubuntu and Updated AWS CloudFormation Template Now Available You can now use upgraded versions of Apache MXNet, TensorFlow, CNTK, and Caffe, on the AWS Deep Learning AMI v1.2 for Ubuntu, including Keras, available in the AWS Marketplace. The Deep Learning AMI v1.2 for Ubuntu is designed to continue to provide a stable, secure, and high performance execution envir
Deep Learning
An MIT Press book in preparation Ian Goodfellow, Yoshua Bengio and Aaron Courville Lectures We plan to offer lecture slides accompanying all chapters of this book. We currently offer slides for only some chapters. If you are a course instructor and have your own lecture slides that are relevant, feel free to contact us if you would like to have your slides linked or mirrored from this site. Introd
Deep LearningをやるならTensorflowよりもPyTorch! | ITANDI Blog
こんにちは、エンジニアの建三です。 Deep Learningのライブラリと言えばTensorflowが有名ですよね。１年半前にリリースされて以来、一瞬にして知名度を手にしました。僕はその頃Deep Learningを勉強していたので、Hacker NewsでTensorflowがバズってるのを見て何となく僕も興奮していたのを覚えています。しかし早速使ってみようと思いチュートリアルを進めたものの、LSTMやCNNの作り方が分からず断念しました。 僕は Stanfordのコース でDeep Learningを勉強したんですが（無料でクオリティ超高いです）インストラクターのAndrej KarpathyはTensorflowよりもTorchを勧めていました。ホームワークはnumpyを使うんですが、アーキテクチャが正にTorchのPython版という感じで、すごくしっくりくるんですよね。それまで
Deep Convolutional Neural Network Inference with Floating-point Weights and Fixed-point Activations
Deep convolutional neural network (CNN) inference requires significant amount of memory and computation, which limits its deployment on embedded devices. To alleviate these problems to some extent, prior research utilize low precision fixed-point numbers to represent the CNN weights and activations. However, the minimum required data precision of fixed-point weights varies across different network
Evolving Deep Neural Networks
The success of deep learning depends on finding an architecture to fit the task. As deep learning has scaled up to more challenging tasks, the architectures have become difficult to design by hand. This paper proposes an automated method, CoDeepNEAT, for optimizing deep learning architectures through evolution. By extending existing neuroevolution methods to topology, components, and hyperparamete
フェイスブックの AI研究所が考える マシン・ビジョンの未来
Facebook’s AI Chief: Machines Could Learn Common Sense from Video フェイスブックの AI研究所が考える マシン・ビジョンの未来 フェイスブックAI研究所のヤン・ルクン所長（ニューヨーク大学教授）が、マシン・ビジョンの現状と人工知能の未来について語った。映像を見るだけで世界について学び、コモンセンス（常識）を身につけることで、言語という低帯域のデータ伝送手段を人間なみに補えると考えている。 by Tom Simonite2017.03.09 71 14 7 0 5年前、画像読み取りソフトウェアの精度を高める点で、研究者は突如飛躍的な進化を成し遂げた。背後にあるテクノロジー「人工ニューラル・ネットワーク」が最近の人工知能開発の急激な盛り上がりを支えている（“10 Breakthrough Technologies 2013: D
Deep Learning Reinvents the Hearing Aid
My mother began to lose her hearing while I was away at college. I would return home to share what I’d learned, and she would lean in to hear. Soon it became difficult for her to hold a conversation if more than one person spoke at a time. Now, even with a hearing aid, she struggles to distinguish the sounds of each voice. When my family visits for dinner, she still pleads with us to speak in turn
Apache MXNet
1.9.1 master 1.9.1 1.8.0 1.7.0 1.6.0 1.5.0 1.4.1 1.3.1 1.2.1 1.1.0 1.0.0 0.12.1 0.11.0
try! Swift Tokyo 2017 に参加した&リンク集 - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? 3月2日から3月4日にかけて、try! Swift Tokyo 2017というSwiftの技術カンファレンスが開催されました。 タイミング的な問題で個人でチケットを買ったのですが、会社の業務として参加してきました。 https://www.tryswift.co/tokyo/jp Swiftも昨年9月13日にバージョン3.0がリリースされどんどん改善が進んでいます。Swift Programming Language Evolution 多くのiOS開発者がSwift 2.3からマイグレーションを行う必要がありましたが、 今までのObj
【デブサミ2017】大賞はあの本！ 「ITエンジニアに読んでほしい！ 技術書・ビジネス書大賞 2017」
翔泳社が毎年開催している「ITエンジニアに読んでほしい！ 技術書・ビジネス書大賞 2017」は、エンジニアが世の中を変えるために役立つ本を紹介し広めるために2014年に始まった。 今年で4回目となる同賞も事前の一般Web投票にて技術書部門、ビジネス書部門それぞれベスト10を選出。各部門で得票数の多かった上位3タイトルの著者や編集者が集い、「Developers Summit 2017」のセッションの一つとして本の魅力を伝えるプレゼン大会を開催。 盛況となった会場で最終投票が行われ、下記の2部門6タイトルから特別賞と大賞が決定した。 技術書部門トップ3 『ゼロから作るDeep Learning――Pythonで学ぶディープラーニングの理論と実装』（2016年、オライリー・ジャパン） 斎藤康毅 『暗号技術入門 第3版 秘密の国のアリス』（2015年、SBクリエイティブ） 結城浩 『新装版 達人
【取材済】AI、機械学習に強いPythonプログラミングスクールおすすめ6選を徹底比較！｜IT Edtechプログロボ
なぜAI・人工知能を学ぶのにPythonのプログラミングスクールなのか？Pythonは、AIのベースとなる機械学習やデータサイエンスのライブラリが充実したプログラミング言語で、しかも学習しやすいという特徴があります。 そのため、Pythonを学びたい、という人のほとんどが、 AIに関わりたい、 機械学習で業務を効率化したい、 データ分析を有効に実施したい という希望を持っています。 AI関連市場は2030年に87兆円以上が見込まれる成長市場Ernst & Youngの研究所が2015年に出したレポートによると、2030年に87兆円以上の市場になることが見込まれています。E&Yは世界の4大コンサルティングファームの1角です。現在の世界の動きを見ても、AIを中心にどんどんビジネスが拡大し、より注目度があがっているのがわかります。 そのうち、AIの活用はパソコンを使うのと同じくらい当たり前になっ
DeNA TechCon 2017 開催レポート【2】 | BLOG - DeNA Engineering
こんにちは。ゲーム事業本部開発基盤部の池田です。 去る2月10日、DeNAは技術カンファレンス「DeNA TechCon2017」を開催しました。 公開可能な資料については、 公式サイトのスケジュール画面 からリンクしておりますので、まだチェックしていないという方は是非ご覧ください。 追って、各セッションの動画もアップ予定です。 本記事は、この「DeNA TechCon2017」振り返り記事の第2弾となります。 今回は特に、DeNAの新たなチャレンジ領域である AI 分野について、Aステージで筆者が聴講した以下の3講演について取り上げます: 基調講演:「実世界の人工知能」株式会社Preferred Networks岡野原大輔様 スライド資料 「強化学習を利用した自律型GameAIの取り組み〜高速自動プレイによるステージ設計支援〜」MASHIKO RYOSUKE, SEKIYA EIJI ス
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
株式会社リクルート
https://yclin.me/adversarial_attack_rl/
GitHub - armbues/deep_cyber: A recurrent neural network trained with tweets from #cyber #security companies
Kindleストアで人気の『基礎Python 基礎シリーズ』が45％オフで買えるセールを実施中【やじうまの杜】
GitHub - lpigou/Theano-3D-ConvNet: 3D convolutional neural network using Theano. A CNN for video; a spatio-temporal classifier.
http://www.nlab.ci.i.u-tokyo.ac.jp/pdf/psivt2015.pdf
Stanford University: Tensorflow for Deep Learning Research