TensorFlow XLAは、 中で何をやっているのか？
TensorFlow User Group ハード部 #2 (2017年4月21日) https://tfug-tokyo.connpass.com/event/54426/ の発表資料です TensorFlow r1.0(r1.1)で公開されたXLAのソースコードを追ってみましたRead less
Detecting image similarity using Spark, LSH and TensorFlow
Andrey Gusev, Pinterest engineer, Content Quality As a visual platform, the ability to learn from images to understand our content is important. In order to detect near-duplicate images we use the NearDup system, a Spark- and TensorFlow-based pipeline. At the core of the pipeline is a Spark implementation of batch LSH (locality-sensitive hashing) search and a TensorFlow-based classifier. Every day
TFX: A TensorFlow-Based Production-Scale Machine Learning Platform
Denis Baylor (Google Inc.);Eric Breck (Google Inc.);Heng-Tze Cheng (Google Inc.);Noah Fiedel (Google Inc.);Chuan Yu Foo (Google Inc.);Zakaria Haque (Google Inc.);Salem Haykal (Google Inc.);Mustafa Ispir (Google Inc.);Vihan Jain (Google Inc.);Levent Koc (Google Inc.);Chiu Yuen Koo (Google Inc.);Lukasz Lew (Google Inc.);Clemens Mewald (Google Inc.);Akshay Modi (Google Inc.);Neoklis Polyzotis (Google
TensorFlowで訓練したパラメータをChainerのモデルにrestoreする - ぼくのぬまち 出張版
何がどうなってか深層学習〜的なものに触れる機会が増えたので，何かそれっぽい話を 「他のフレームワークに比べてなんだか学習済み(pre-trained)モデルが公開されてないような？」 Chainerを使ってみた深層学習マンはきっとこのお気持ちになったことがあるんじゃないだろうか．ユーザ数の差だろうか？数は力だよ兄貴！Caffeのモデルファイル(.caffemodel)であれば，ものによってはchainer.links.caffe.CaffeFunctionでロードできるので一応使えはする．global pooling 等で非対応がありロードできないこともあるが，できない部分は飛ばしてロードしてスキマを自分で書いて〜とかできなくはないので，スンナリとロードはできなくともガンバリでロードはできる気がする． 一方，なんだかんだTensorFlowのpre-trainedモデルがckptファイルで
TensorFlowで顔検出器を自作する - すぎゃーんメモ
19日に行われた Kyoto.なんか #3 で発表・デモをさせていただいた内容まとめです。 はじめに: 検出器の重要性 アイドル顔識別 をずっとやっている中で、顔の識別・分類(Classification)はCNNを使って出来ているけれど まだ上手く出来ていない別のタスクがあって。 それが画像内からの顔領域の検出 (Detection, Localization)。 「画像内に写っている人物が誰であるか」を識別するためには、まずはその画像に写っている「顔」を検出する必要がある。 その検出された顔それぞれについて分類器にかけて「この顔は○○さん」「この顔は××さん」と分類していくことになるわけで。 分類器に与える入力画像を切り抜いて抽出するのにもまず顔領域を検出する必要があるし、その分類器を学習させるためのデータセットも、様々な画像から顔領域を検出して切り抜いてそれぞれに対してラベル付けする
TensorFlowチュートリアル - 畳み込みニューラルネットワーク（翻訳） - Qiita
TensorFlow のチュートリアル（Convolutional Neural Networks） http://www.tensorflow.org/tutorials/deep_cnn/index.html#convolutional-neural-networks の翻訳です。 翻訳の誤りなどあればご指摘お待ちしております。 注：このチュートリアルは TensorFlow の上級ユーザーを対象としており、機械学習の専門知識と経験を前提としています。 概説 CIFAR-10 分類は、機械学習における一般的なベンチマーク問題です。問題は、RGB 32×32 ピクセルの画像を10カテゴリーに分類するものです：飛行機、自動車、鳥、猫、鹿、犬、カエル、馬、船、およびトラック 詳細については CIFAR-10ページ と Alex Krizhevsky による技術レポートを参照してください。 目
NVIDIA Dockerで簡単にGPU対応のTensorFlow入りコンテナを作る方法
こんにちは。 小説家になろうの作品群を読んでいたら連休が終わりそうです。 連休の終わりのアンミラ帰りに衝撃作TensorFlowでGPUが使えないとそのアンサーエントリであるTensorFlow on DockerでGPUを使えるようにする方法を読み、書いてみたエントリです。先月購入した最低限Maxwell的なグラフィックカード(図1)絡みで見つけたNVIDIA Docker、なかなか良いものなのでもっと多くの方に知ってもらいたいなと思い。 今回はNVIDIA Docker + TensorFlowでGPUを有効活用する手順を紹介します。他の方による関連記事として、日本語でのNVIDIA Docker + Caffe解説はすでにUbuntu14.04.3でnvidia-docker使ってCaffeをインストールしてみたがあります。Caffeな方はそちらを参照ください*1。今回はお題がTen
TensorFlowのチュートリアルにあるCIFAR-10を動かしてみる - ayihiscope
TensorFlowを触るとなると，MNISTの次にやりたくなるのはコレだよね． 自分の作業メモも兼ねて軽くまとめました． CIFAR-10について 機械学習を使った画像認識の実験でよく使われるデータセットの事 CIFAR-10データセットは32ピクセル四方のカラー画像60000枚のデータセット． 飛行機，車，鳥，猫，鹿，犬，蛙，馬，船，トラックの10種類の画像がそれぞれ6000枚ずつある． 各種類の画像の6000枚のうち5000枚が学習用，残り1000枚がテスト用となっている． ちなみに，CIFAR-100っていう100種類の分類のデータセットもあるようだ． 今回はやらないけど． 参考 CIFAR-10 and CIFAR-100 datasets CIFAR-10 - 人工知能に関する断創録 TensorFlowの環境構築 公式ページを参考にどうぞ Download and Setup
Jupyter + Tensorflow + Nvidia GPU + Docker + Google Compute Engine
TL;DR: Save time and headaches by following this recipe for working with Tensorflow, Jupyter, Docker, and Nvidia GPUs on Google Cloud. Motivation: Businesses like fast, data-driven insights, and they employ data scientists to make them. Practicing data science is an exploratory, iterative process requiring lots of computing resources and lots of time. To better support exploratory iteration, data
nvidia-docker - Adwaysエンジニアブログ
ども〜古川です。 今回はnvidia-dockerについて書いてみようかと思います。 nvidia-dockerとは？ CUDAおよびcuDNNなどが梱包されたdockerコンテナイメージを使えるようにするためのツールです。 図のようにホストマシンのDriverを用意をしておけば、CUDAやcuDNNをつかったアプリをコンテナごとに管理できます！ 2016年7月時点ではrc版ですが、家のマシンで試したところ安定して使えそうだったので、今回を期に紹介します！ 結局nvidia-dockerは何がおいしいの？ Deep Learningライブラリのバージョンが容易になる ホストマシンにDeep Learningライブラリがある場合を想定してください。 Deep Learningライブラリをバージョンアップしたいときが起きますが、その場合、次の作業が必要になることがあります。 CUDAのバージョ
Factorization Machines for Recommendation Systems
As a Data Scientist that works on Feed Personalization, I find it it important to stay up to date with the current state of Machine Learning and its applications. Most of the time, using some of the better-known recommendation algorithms yields good initial results; however, sometimes a change in the model is essential to provide customers with that extra boost that helps increase engagement in th
DeepMindのSonnetを触ったので、TensorFlowやKerasと比較しながら解説してみた - Qiita
DeepMindのSonnetを触ったので、TensorFlowやKerasと比較しながら解説してみた機械学習DeepLearningKerasTensorFlowSonnet はじめに GoogleのDeepMindが社内的に使っている深層学習ライブラリSonnetを公開したので、試しに触ってみました。TensorFlowやKerasと比較をしながら解説していきたいと思います。まだ触ってみたばかりで細かい内容をお話することは出来ませんが、少しでもSonnetが気になっている方の力になれれば嬉しいです。 間違ってる部分や質問などありましたらコメントして頂けると幸いです。 Excited to release #Sonnet - a library for constructing complex Neural Network models in TensorFlow. Get starte
DeepMind の深層学習ライブラリ Sonnet を早速試してみた - ディープラーニングブログ
どうも，Ryobot です．夜桜を眺めながら酒を呑みたい季節になって参りました． 追記 4/19 DeepMind から Differentiable Neural Computers の Sonnet 実装 が公開されました．今後も PathNet や Elastic Weight Consolidation 等の実装が公開されることを期待したいですね． Sonnet は 4月 7日に公開されたばかりの DeepMind 謹製の深層学習ライブラリである．もともと DeepMind の社内で使用されていた TensorFlow のラッパーライブラリだったが，論文の実装を共有しやすくするためにオープンソースとして公開したようだ．Sonnet の最たる特徴として再利用可能なモジュールを複数回接続して計算グラフを構成することが挙げられる．Sonnet は TensorFlow Core の関数や
TensorFlow Foldについて
Googleが、TensorFlow Foldというライブラリーを発表しました。 "Announcing TensorFlow Fold: Deep Learning With Dynamic Computation Graphs" (論文は、こちら) この図の意味について簡単に説明したいと思います、 "computer scientists love "という文は、文字列あるいはwordのSepquence として見ることができます。普通のRNNやLSTMでは、こうしたSequenceとして入力を受け付けます。 ただ、先のSequenceは、文法的な構造を持っています。"computer scientists"が主語（節）で、"love"が動詞、"putting data in trees"が目的語（節）です。
AWSのGPUインスタンス上のDockerコンテナでTensorFlow for Rを試す - INPUTしたらOUTPUT!
TensorFlow for RがRStudioからリリースされたので早速試してみた。環境構築が面倒になってきたのでEC2上にDocker環境を構築し、tensorflow+rstudioコンテナを作ったので手順をメモしとく。 項目 設定 リージョン オレゴン Amazon マシンイメージ CentOS 7 (x86_64) - with Updates HVM インスタンスタイプ g2.2xlarge ストレージの追加 EBS Cold HDD (sc1) 500GB CUDA 7.5 事前にCUDAのインストール、nouveauの無効化はしておくこと。 Docker, nvidia-dockerのインストール ホストとなるEC2にInstallation on CentOSに従ってインストールする。 # yumのリポジトリにDockerを追加 $ sudo tee /etc/yum.r
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
Converting the YAMNet audio detection model for TensorFlow Lite inference
Model Flops measurement in TensorFlow
Compilation for RPi fails when using Docker on Ubuntu 16.04 · Issue #31 · lhelontra/tensorflow-on-arm
GitHub - vahidk/EffectiveTensorflow: TensorFlow tutorials and best practices.
TensorFlowとword2vecによる「単語のベクトル表現」のチュートリアルを翻訳してコードを写経する | Accel Brain; Media
