GitHub - keiohta/tf2rl: TensorFlow2 Reinforcement LearningYou signed in with another tab or window. Reload to refresh your session. You signed out in another tab or window. Reload to refresh your session. You switched accounts on another tab or window. Reload to refresh your session. Dismiss alert
Posenet を WebWorker で動かしてみた - mizchi's blog
デモはここで試せる https://posenet-worker.netlify.com/ コードはここ github.com 構成 getUserMedia でカメラ取得 OffscreenCanvas でバックグラウンドの書き込み Tensorflow.js + Posenet Tensorflow.js が Chrome では webgl バックエンドになったとの目撃談があったので、試してみた。 [https://twitter.com/sugyan/status/1156616432248971264:embed#動作を試せるやつ上げた。Chromeだと WebWorkerでMainThreadの動き止めずにwebglで高速に処理してくれてそう https://t.co/GsepIMRSqG https://t.co/je8ceda47L] 今の所、Chrome 以外では tens
Google、TensorFlowベースの強化学習フレームワーク「Dopamine」を公開 | OSDN Magazine
Googleは8月27日、強化学習研究のためのフレームワーク「Dopamine」をオープンソースで公開した。強化学習アルゴリズムのプロトタイプを高速に実装できるという。 強化学習は入力に対する「報酬」が最大になるような行動を学習によって決定する手法。人間の囲碁棋士に勝利したGoogle DeepMindの囲碁ソフトウェア「Alpha Go」などで採用されている機械学習手法の1つ。 Googleによると、強化学習の課題として既存の強化学習フレームワークは研究者が効果的にイテレーションするのに十分な柔軟性と安全性がなく、新しい研究の方向性を探ることが難しいという問題があるという。また、既存のフレームワークからの結果の再現も時間がかかるという。 Dopamineは機械学習ライブラリのTensorFlowを土台としたオープンソースの強化学習フレームワーク。ベンチマークテストを簡単に実行できる、新し
TensorFlow入門
TensorFlowを使ってディープラーニングの基礎が体験できる連載。TensorFlowの概要から、インストール方法、CNN／RNNモデルの実装体験、TensorBoardの使い方までを解説する。 全8回【完結】 （ 3時間30分） 必須条件： 機械学習の基礎知識が必要です（※「深層学習 入門」参照）。 自前のPCか、クラウド環境を使う必要があります。GPUがなくてもOKです（TensorFlowのCPU版／GPU版、両対応です）。GPUを使う場合、事前に環境を構築してください（※「環境構築 入門」参照）。 Windows／macOS／Ubuntuに対応しています。 高校レベルの数学の知識が必要ですが、理解できなくても体験可能。 こんな方にお勧め： ディープラーニングを体験してみたい方 TensorFlowを体験し、その基礎知識を身に付けたい方 CNN（畳み込みニューラルネットワーク）を
「TensorFlow.js」公開、Webブラウザ上で機械学習の開発、学習、実行が可能に。WebGL経由でGPUも活用
「TensorFlow.js」公開、Webブラウザ上で機械学習の開発、学習、実行が可能に。WebGL経由でGPUも活用 TensorFlow.jsの基となったオリジナルの「TensorFlow」は、Googleが開発しオープンソースとして公開されている機械学習ライブラリです。Windows、Mac、Linuxなどに対応し、Python、C＋＋、Java、Goなどに対応したAPIを備えています。 今回発表されたTensorFlow.jsはそのJavaScript版で、Webブラウザ上で実行可能。TensforFlow.jsのAPIはオリジナルTensorFlowのPython APIのすべてをサポートしているわけではありませんが、似た設計となっており、機械学習のモデルの構築、学習、学習済みモデルの実行が可能なほか、学習済みモデルのインポートも可能。 WebGLを通じてGPUを利用した処理の高
人気のオープンソースJavaScript機械学習フレームワーク5選
Opensource.comは5月29日(米国時間)、「5 trending open source machine learning JavaScript frameworks｜Opensource.com」において、オープンソース・ソフトウェアとして開発が行われているJavaScriptの機械学習(マシンラーニング)フレームワークを5つ紹介した。機械学習技術は注目が高まっている分野であり、すでにいくつものフレームワークが提供されている。 紹介されているJavaScriptフレームワークは次のとおり。 TensorFlow.js - Webブラウザ上で機械学習が行えるオープンソースの機械学習ライブラリ Machine learning tools - さまざまな機械学習機能をサポートしたツール。幅広く利用することが可能 Keras.js - WebGLを使ってGPUでの計算をサポートした
TensorFlow.js | Machine Learning for JavaScript Developers
Deploy ML on mobile, microcontrollers and other edge devices
TensorFlow Lite | TensorFlow
Gemini About Docs API reference Pricing Imagen About Docs Pricing Veo About Docs Pricing Gemma About Docs Gemmaverse Build with Gemini Gemini API Google AI Studio Customize Gemma open models Gemma open models Multi-framework with Keras Fine-tune in Colab Run on-device Google AI Edge Gemini Nano on Android Chrome built-in web APIs Build responsibly Responsible GenAI Toolkit Secure AI Framework Andr
NVIDIAとGoogle、「TensorRT」と「TensorFlow 1.7」を統合
NVIDIAとGoogle、「TensorRT」と「TensorFlow 1.7」を統合：機械学習ライブラリの最新版「TensorFlow 1.7」も公開 「NVIDIA TensorRT」とオープンソースソフトウェアの機械学習ライブラリの最新版「TensorFlow 1.7」が統合され、ディープラーニングの推論アプリケーションがGPUで実行しやすくなった。 GoogleとNVIDIAは2018年3月27日（米国時間）、「NVIDIA TensorRT」ソフトウェア（以下、TensorRT）と、Googleが開発しオープンソースソフトウェアとして公開している機械学習ライブラリの最新版「TensorFlow 1.7」の統合を発表した。 TensorRTは、推論のディープラーニングモデルを最適化し、本番環境のGPUにデプロイされるランタイムを作成するソフトウェアライブラリ。FP16（半精度浮動
［速報］Google、スマートフォン向けの機械学習ライブラリ「TensorFlow Lite」発表。DSPをアクセラレータとして利用。Google I/O 2017
［速報］Google、スマートフォン向けの機械学習ライブラリ「TensorFlow Lite」発表。DSPをアクセラレータとして利用。Google I/O 2017 Googleは5月17日（日本時間5月18日未明）から開催中の年次イベント「Google I/O 2017」にて、スマートフォンなどのデバイスで実行するアプリケーション向けの機械学習ライブラリ「TensorFlow Lite」を発表しました。 「TensorFlow Liteはアプリケーション向けのライブラリで、高速かつ軽量でありながら、ContinentやLSTMといった最新の技術を利用可能だ」（Dave Burke氏、Vice President Enginieering, Android） TensorFlow Lite同時に、機械学習などで使われるニューラルネットワークの計算をDSPによってハードウェアアクセラレーショ
Sketch-RNN Demos by David Ha, Jonas Jongejan, Ian Johnson - Experiments with Google
Sketch-RNN DemosJune 2017 | By David Ha, Jonas Jongejan, Ian Johnson Draw together with a neural network. This experiment lets you draw together with a recurrent neural network model called Sketch-RNN. We taught this neural net to draw by training it on millions of doodles collected from the Quick, Draw! game. Once you start drawing an object, Sketch-RNN will come up with many possible ways to con
TensorFlowチュートリアル - 画像認識（翻訳） - Qiita
TensorFlow のチュートリアル（Image Recognition） https://www.tensorflow.org/versions/master/tutorials/image_recognition 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。 我々の脳は視覚を簡単に作るように思えます。人は、ライオンとジャガーを見分け、サインを読み取り、人間の顔を認識することに努力を必要としません。しかし、実際には、これらはコンピュータで解決することが難しい問題です。それが簡単に思えるのは、ただ、我々の脳が、画像を理解することに非常に優れているからです。 ここ数年、機械学習の分野では、これらの困難な問題に対処することに驚異的な進歩を遂げています。特に、深い畳み込みニューラルネットワークと呼ばれる種類のモデルが、難しい視覚認識タスクにおいて、そこそこのパフォーマンス、ある
Google I/O で注目の TensorFlow ロボット、その「賢さ」を支える機械学習 | Google Cloud 公式ブログ
Google Cloud デベロッパーアドボケイト 佐藤一憲 ブレインパッド テクノロジー＆ソフトウェア開発本部 基盤開発部 部長 下田 倫大 米国マウンテンビューで先月開催された開発者イベント Google I/O 2017 において、Google は機械学習を用いたロボットアームのデモ「Find Your Candy」を展示しました。来場者が自分の好きなお菓子の好みを音声でロボットに教えると、テーブルに並ぶお菓子の中から好みに一番近いものをつかんで渡してくれます。このデモは、6/14 から東京で開催される Google Cloud Next '17 Tokyo の体験エリアでも展示されます。 このロボットに「私はソフトキャンディが好きです」「甘いチョコが食べたい」「ハードミントはある？」といった具合にお菓子の好みを声で伝えると、ロボットは音声認識と自然言語処理を用いてそれを理解し、好み
Googleの機械学習マシン「TPU」の第2世代登場、1ボード180TFLOPSで64台グリッドでは11.5PFLOPSに到達
Googleが現地時間2017年5月17日から開催中の開発者会議「Google I/O 2017」で、機械学習・人工知能(AI)開発に特化した専用マシン「TensorFlow Processing Unit(TPU)」の第2世代モデルを公開しました。第2世代TPUでは従来の「推論」だけでなく「トレーニング」まで処理でき、64台組み合わせると11.5PFLOPSという性能を誇ります。 Build and train machine learning models on our new Google Cloud TPUs https://blog.google/topics/google-cloud/google-cloud-offer-tpus-machine-learning/ Google.ai https://google.ai/ Googleの機械学習専用マシン「TPU」の第1世代モ
Google、自然言語理解（NLU）の基礎となる「SyntaxNet」をオープンソース化
米Googleは5月12日（現地時間）、機械学習システム「TensorFlow」に統合されたニューラルネットワークフレームワーク「SyntaxNet」をオープンソースで公開したと発表した。GitHubで公開されている。 自然言語理解（NLU）システムの基礎を提供するものという。SyntaxNetには、新たなモデルに学習させるのに必要なすべてのコードと、英語の文章の構文解析のためにGoogleが開発した英文解析ツールの「Parsey McParseface」が含まれる。 Parsey McParsefaceは、言語構造解析方法を学習する強力な機械学習アルゴリズム上に構築されており、文章内の各ワードの機能的役割（動詞、形容詞など）を解析できるという。Parsey McParsefaceは世界で最も正確な構文解析ツールだとGoogleは説明する。 コンピュータにとって、人間の話す自然言語はあまり
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
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
マルチバックエンドKerasの終焉、tf.kerasに一本化
Tensorflow GPU, CUDA, CuDNNのバージョン早見表 - Qiita
Implementing Dropout as a Bayesian Approximation in TensorFlow
GitHub - google-deepmind/sonnet: TensorFlow-based neural network library
