PyTorchチームは1月31日、PyTorch® 2.2のリリースを発表した。新機能や最適化が盛りだくさんのこのバージョンは、エンジニアたちの期待を十分に満たすリリースだ。 PyTorch 2.2では、FlashAttention-v2の統合により、SDPA(_scaled_dot_product_attention_)のパフォーマンスが 約2倍向上 した。これにより、A100 GPUsで最大FLOPs/sの約50-73%まで到達する高速なSDPAが実現された。 新しい機能としては、非Pythonサーバーサイド向けのAOTInductorも導入。これにより、PyTorchプログラムのコンパイルとデプロイメントが可能になり、非Python環境での利用が向上した。 その他にも、Optimizersのサポート向上や新しいログメカニズムTORCH_LOGSの追加など、多くの改良が行われた。一方で
深層学習系読み上げソフトです いわゆるAI系TTSというものです TALQu公式サイト: https://haruqa.github.io/TALQu/ [PR] ここからダウンロードできる通常TALQuの上位版、「TALQuPRO」をFANBOXの支援者限定で配布しています。ひと月定額のサブスク方式 https://haruqa.fanbox.cc/ ※TALQuPROの利用ライセンス取得方法が増えました※ はるぽラボの https://discord.gg/FkQZEUVsKs ひと月定額はるぽ(はるぽサブスク)からも利用可能です。 はるぽについて https://docs.google.com/spreadsheets/d/1uZuKp1m154w0sCPBoxarWeXsWZtvlGQaqYTO34lKNdM/edit?usp=sharing TALQu3からのPRO限定機能として
Sorry, this entry is only available in Japanese. For the sake of viewer convenience, the content is shown below in the alternative language. You may click the link to switch the active language. 【講座概要】 世界モデルとは,エージェントを取り巻く環境のモデルを,観測から学習によって獲得する枠組みを指します.世界モデルは深層学習の領域で近年急速に研究が進められており,今後の人工知能の鍵となるトピックとして注目されています.本講座では,世界モデルを軸に最新の深層学習技術について身につけることを目指した講義を行います. 本講座は,東京大学Deep Learning基礎講座・応用講座を公開してきた松尾研究
https://blog.tensorflow.org/2021/05/next-generation-pose-detection-with-movenet-and-tensorflowjs.html https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEj234Pcu7Tprg7dTlqiHbcAejxBjrre4hR94tVXevyCQ0jd4EKQ5dQiV25-uuq1Z-ad2QWEdXzdieUZ2JwetwbGIyUl3JDpARqHec5Jw_HVDzgFt8jC14pAW_wpz77sZig1k3AymPnTgR8/s0/three_pane_aligned+%25281%2529.gif May 17, 2021 — Posted by Ronny Votel and Na Li, Google Rese
「TensorFlow 2.3」では、データのロードと前処理をさらに容易にし、1台のマシンで作業している場合でも、複数のマシンで作業している場合でも、入力パイプラインのボトルネックを解決する新たな機能が追加されている。 「tf.data」では、入力パイプラインのボトルネックを解決してリソース使用率を改善すべく、トレーニングジョブと並行して実行されるデータ処理ワーカーのCPUクラスターに入力前処理をオフロードして、アクセラレータの使用率を向上する方法が提供されたほか、入力前処理パイプラインの出力をディスクに保持することができるスナップショットAPIが追加された。 また「TF Profiler」では、モデルのメモリ使用量を可視化するメモリプロファイラと、モデル内のPython関数呼び出しをトレースできるPythonトレーサが追加されている。 ほかにも、Keras Preprocessing L
医者が診断する際、一つの血液検査の数値だけでは病気の特定は難しい。だが検査項目を増やしていくことで、病気の特定はより確実性を増していく。このように、人はデータを増やすことで予測の精度を上げることができる。同様にAIの予測に不確実性を持たせ、観測点を増やすことでその不確実性を減らす最新の研究の一つを紹介しよう。 AIだって「自信がない」こともある。自分が学んでいないことについて「予測せよ」と言われたらなおさらだ。だがこの「予測の不確実性」を減らすための研究が日進月歩で進んでいる(写真はイメージ) ディープラーニングの弱点といわれているものの一つに、「データがなければ予測や変換ができない」点がある。ただ実はこれはほぼ誤解で、直接のデータを必要としない、「メタ学習」という予測モデルの研究が進んでいる(第10回「データがないのに学習可能? 最先端AI『メタ学習』がスゴい」を参照)。 メタ学習は、一
Tensorflow.jsをNodejsで高速化しようとしたが、旧型CPUでは、WebGLの方が高速だった話C++Node.jsWebGLtensorflowjs Tensorflowjsで2000年からの株価を元に、新値3本値のAI予測をブラウザで行っていたが、Nodejsで高速化できないかトライしてみた。CPUは激古のi5-650。 作業手順は、こちら参照。 https://randomwalkjapan.blogspot.com/2020/06/nodejstensorflow-how-to-setup.html プログラムはこちら。 https://github.com/tanakayutaka/Tensorflow.js-tools-/blob/master/Nodejs%20Tensorflow%20BM%20test 結論は、 NodejsでNodeジェネリックでないTens
手書きスケッチからリアル顔画像を作成、深層学習で「DeepFaceDrawing」 2020-06-04 中国科学院と香港城市大学による研究チームが開発した「DeepFaceDrawing」は、手書きスケッチからリアルな顔画像を生成する深層学習フレームワークだ。 手書きスケッチからリアル顔を生成するDeepFaceDrawing このような深層学習を用いたスケッチ画像からリアル画像への変換では、Image-to-Image Translation with Conditional Adversarial Nets [Isola et al. 2017] などで実証されている。しかしデータ駆動型の性質上、実画像とそれに対応するエッジマップのペアからネットワークを学習することが多いため、リアルな顔画像を合成するためには、実画像のエッジマップに近い品質のテストスケッチが必要となる。それを用意する
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
処理を実行中です
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