Neural Network Console概説: GUIで直感的にディープラーニングしよう!:AI・機械学習のツール&ライブラリ Sonyが自社製品でも活用する信頼性の高いディープラーニングツール「NNC:Neural Network Console」の概要と特徴を筆者なりに分析して紹介。どんな人がどんな用途で使うべきかの指針も提案する。
タグ検索の該当結果が少ないため、タイトル検索結果を表示しています。
はじめに 機械学習を使って五等分の花嫁の予測をする記事はいくつかあるのですが、最新10巻までのデータを使ったもの、Neural Network Console(以下NNC)を使ったものが無かったので自分の練習がてら試してみました。 多少のネタバレを含みますので注意してください。 因みに私は三玖派です。 過程はいいから結果だけ見たい方はこちら。 Neural Network Consoleとは? Neural Network Consoleとは、SONYが開発したディープラーニング・ツールで、ドラッグ&ドロップでニューラルネットワークを編集できるため、数学やプログラミングの知識がない人でも簡単にディープラーニングを行うことができるツールです。また、学習にはクラウド上のGPUを使うので、頭もPCも低スペックな私でも簡単に学習モデルを作ることができます。 開発者である小林由幸氏自身による解説動画
1.はじめに 皆さん、Neural Network Console をご存知でしょうか? Neural Network Console は、2017年8月にSONYから発表されたディープラーニングの統合開発ソフトウエアです。プログラミング無しのドラッグ&ドロップだけで簡単にニューラルネットワークの設計開発が出来、しかもワークステーションの様な美しい画面なのに、なんと無料で提供されているんです(なんて太っ腹な!)。 かく言う私も、Pythonを覚えなくてもディープラーニングが出来ると言うことに凄い魅力を感じ、発表当初から1年間くらいは色々遊んでみた記憶があります。 最近、ひょんなことから、Neural Network Console 関係の動画がやたら充実(2020年1月17日時点で47本)していることに気づきチェックしてみると、チュートリアル以外にディープラーニングの一般的な知識について分
WindowsでNNabla(Neural Network Libraries)とNeural Network Consoleを試してみたDeepLearningニューラルネットワークNNablaNeuralNetworkConsoleNeuralNetworkLibraries NNablaは、Neural Networkフレームワークであり、Neural Networkを構築するためのライブラリでC++とPython2, Python3が利用できる。 2017年8月17日、NNabla用のGUIツールNeural Network Consoleが公開された。 Neural Network Consoleを利用すればコードを書かなくてもGUIでNeural Networkを構築でき自動でいろいろと最適化をしてくれるらしい。 参考:http://qiita.com/HirofumiYash
ディープラーニングとは、人工知能技術の中の機械学習技術の一つです。人間の手を使わず、コンピューターが自動的に大量のデータの中から希望する特徴を発見する技術を指します。 この記事では、ディープラーニングの意味や活用方法、導入方法などについてわかりやすく解説します。ディープラーニングを利用してより業務を改善したい場合の参考にしてください。 ソニーのNeural Network Consoleなら、ドラッグ&ドロップで簡単にディープラーニングを用いた高度なAI開発が実現できます。 ディープラーニングの開発基盤をお探しの方は、無料体験もございますのでお気軽にお試しください。 ディープラーニングとは ディープラーニングとは、コンピューターが自動で大量のデータを解析して、データの特徴を抽出する技術です。深層学習、またはDLと呼ばれることもあります。人工知能技術の中には機械学習が含まれており、ディープラ
ここ最近、「AIを使う」「AIを作る」というハードルは低くなりつつある。要因のひとつにプログラミング不要でAIを開発できるツールの登場が挙げられる。ソニーネットワークコミュニケーションズ株式会社が提供している「Neural Network Console」もこのひとつであり、はじめてDeep Learning(ディープラーニング)に触れる人でも使えるように、プログラミング不要で、マウスによるドラッグ&ドロップのみでAIを開発できる。 そんなNeural Network Consoleのクラウド版は7月30日に、計算ノード数16台(64GPU)による分散学習に対応した。マルチノードによる分散学習に対応したことで、大規模なAI開発が可能になる。そこでLedge.ai編集部では、Neural Network Consoleにおける分散学習についてソニーネットワークコミュニケーションズの担当者に話
最適な学習実行環境の選び方 Neural Network Consoleでは、ニューラルネットワークの学習のためにCPU、もしくはより高速な学習を実現するGPUを用いることができます。また、Cloud版では複数のGPU(マルチGPU)を用いて、さらに学習を高速化することもできます。 本チュートリアルでは、学習するネットワークに応じた最適な学習実行環境を選択する方法について解説します。 1 必要なメモリ量を推定する 学習時に必要なメモリ量は、大まかに言ってニューラルネットワークに含まれるニューロンの数と、CONFIGタブのGlobal Configで設定するBatch Size、およびニューラルネットワークのパラメータの数で決まります。 画面右に表示されるStatisticsのOutputは、編集中のネットワーク全体のニューロンの数を示します。また、画面右に表示されるStatisticsのC
ソニーの開発ツールで AIを体験してみませんか? 「設備の故障予測をAIを利用して行いたい」といったニーズが昨今多くなってきております。 AI開発は専門のベンダーに全て委託といった考え方もありますが、 委託をする上でも開発工程を体験しておくことは非常に重要だと考えます。 今回ソニーでは故障予測を行うAIの開発体験を行えるドキュメントを用意しました。 ソニーで実際に利用されているNeural Network Consoleで、あなたも開発体験をしてみませんか? 「ドキュメントをダウンロードする」ボタンからダウンロードし、「無料で体験」ボタンから無料アカウントを作成すると ドキュメントの流れに沿って操作することで無料で開発体験が可能です。
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