Lambda関数でTensorFlow Liteをインポートし、推論処理を実行する | DevelopersIO
はじめに 現在、カフェのシステムでは、機械学習を用いて、カメラを用いて動画を撮影し、商品の前にいる人物の骨格や手を検出することで、どのユーザがどの商品を取り出したかを判定しています。 今までは、骨格検出モデルを用いてエッジデバイスで動画を推論処理（撮影した画像から映っている人物の骨格の座標を検出する処理）を実行する、という構成で処理をしていました。今後、エッジ側のデバイスの費用を下げたり、骨格検出以外の処理を増やすことを考えているため、エッジデバイスからクラウドに動画を送信し、クラウド側で様々な処理を実行する、という構成を検討しています。 前回までの記事で、エッジデバイスでの動画処理（エンコード・送信）と、クラウド側の処理（動画の取り出し）について記載しました。 撮影した動画をリアルタイムにエンコードする方法【GStreamer】 【Kinesis Video Streams】Python
なぜ作ろうと思ったのか 最近アイドル多くない？ NiziU、IVE、Kep1er、BLACKPINK、ITZY、SixTONES、Snow Man、なにわ男子、King & Prince、BTS、JO1、Da-iCE、INI、CUBERS、原因は自分にある。、BALLISTIK BOYZ、VOYZ BOY、Zero PLANET、プラチナボーイズ、BE：FIRST、BUDDiiS、7ORDER、OCTPATH、BLVCKBERRY、THE SUPER FRUIT、TravisJapan などなど 誰が誰か分からんのだが… Shazam的な感じでパッと誰か分かるもの欲しいなぁ ということで作ってみることにしました。 作ったもの アイドル判定AI「セレン」という写真を選択するとどのアイドルかを判定してくれるサービスを作りました。 セレンは、celeb+funから考えた名前です ChatGPTや
Tensorflow GPU, CUDA, CuDNNのバージョン早見表 - Qiita
Tensorflow GPUとその他パッケージのコンパチ早見表 Tensorflow GPU、なぜか動かなくて禿げそう,いやマジではげそう そんな時は！ 下記ページの「テスト済みのビルド設定」を参照されてください。 https://www.tensorflow.org/install/source?hl=ja#gpu_support_2 上記バージョンに合わせても動かない場合は下記をチェック！ 表のとおりにバージョンを合わせたか？（CUDA=9ならば9.1を避けるなど） tensorflowとtensorflow-gpuがダブっていないか？ tensorflow-gpuとpython系は同じバージョンでインストールされているか？ 動かしたいソースコードはどのバージョンで作られているか？（更新ごとに関数が追加、削除されるため） 最新バージョンは避ける どう考えてもすべて合わせたのに動かない場
R-CNN object detection with Keras, TensorFlow, and Deep Learning - PyImageSearch
In this tutorial, you will learn how to build an R-CNN object detector using Keras, TensorFlow, and Deep Learning. Today’s tutorial is the final part in our 4-part series on deep learning and object detection: Part 1: Turning any CNN image classifier into an object detector with Keras, TensorFlow, and OpenCVPart 2: OpenCV Selective Search for Object DetectionPart 3: Region proposal for object dete
【TF2.0応用編】TFの例の強いデータセット機能で汎用的なDataAugmentationを並列化しハイスピードで実現した件 - Qiita
【TF2.0応用編】TFの例の強いデータセット機能で汎用的なDataAugmentationを並列化しハイスピードで実現した件PythonTensorFlowjoblibTensorFlow2.0 はじめに 今回の記事は、前回の記事「TensorFlowで使えるデータセット機能が強かった話」「【TF2.0応用編】tf.data.DatasetでDataAugmentationをクッソ早くする」で少し上がっていたDataAugmentationの、さらに強化版の話です。 tf.data.Datasetによる速度面での強化と、keras.preprocessing.image系を利用しながら 並列処理できるコードを実現することに成功しました。 実際の仕組みや、ここまでに至った経緯などはコードの次に載せようと思います。 以下にそのコードを載せます 環境整備 まずは実験環境を整備しましょう。 im
Code examples Our code examples are short (less than 300 lines of code), focused demonstrations of vertical deep learning workflows. All of our examples are written as Jupyter notebooks and can be run in one click in Google Colab, a hosted notebook environment that requires no setup and runs in the cloud. Google Colab includes GPU and TPU runtimes.
はじめに TensorFlow Liteについて語る会・発表 スマホでDeepLearning実践入門(@cocodrips) TFLiteのグラフ構造について(@natsutan) 終わりに はじめに TensorFlow Liteは、デバイス上での推論を可能にする、オープンソースのディープラーニングフレームワークである。 思いっきり学習させると、モデルは当然大きくなる。そう言った学習させたモデルをエンドデバイス（スマホやIoTデバイス）に実装するとなると、そのままではきついことがあり、その問題を解決するためのフレームワーク。 www.tensorflow.org そんなTFLiteについて、気楽に語り合おうという会が企画されたため、参加してみた。そんな備忘録。clusterを初めて使用したので、そこもまた新鮮でした。 tfug-kansai.connpass.com TensorFlo
Keras(TensorFlow)のImageDataGeneratorでデータを水増しする | DevelopersIO
こんちには。 データアナリティクス事業本部機械学習チームの中村です。 今回は、KerasのImageDataGeneratorで、画像データの水増し(Data Augmentation)に使用できそうな変換をピックアップしてご紹介します。 Data Augmentationについて 画像を入力データに扱うニューラルネットワークの学習では、元画像に対して色々な変換を施すことで、入力画像のパターンを増加させることが良く行われます。具体的には、実際にデータそのものを水増しするのではなく、ある変換定義し、その変換の度合をランダムに実行するブロックを定義する形で実行することが多いです。 ランダムに変換を実行することで、同じデータであってもエポックが異なれば異なる度合の変換が適用されます。これにより、データのバリエーションを増やすようなイメージとなります。 Keras(TensorFlow)では、これ
米Googleは、Androidの標準推論エンジンを「TensorFlow Lite」にすると10月18日（現地時間）に発表した。9月にはGoogle Play開発者サービス（Google Play services）にTensorFlow Liteを組み込んで提供を始めていたが、TensorFlow LiteがAndroidの標準推論エンジンとなった。 TensorFlow Liteの下層には、「TensorFlow Lite Delegates」が存在する。これは、GPUやDSPなどといった推論処理を高速化するハードウェアを抽象化する層だ。Appleだけが製造販売しているiPhoneやiPadは、SoCやGPU、Neural EngineもAppleが開発したものを使用している。ハードウェアの機能を抽象化する上で問題になるのは、それぞれのハードウェアの世代だけだ。 一方でAndroid
https://blog.tensorflow.org/2020/03/introducing-model-garden-for-tensorflow-2.html https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEj6B548lJmA18SnsjhUT9rGoal-UoV7Afij6c2cY2nUhC0nGUZI6wfx2CMXjIYxJ0RX-8NBxgF0rqviDjkvyyQvH9qP5D2dwP6CIxzb084NxcbAHvGz5dxjM1gEPwHGr-PgwATBZZyNHD0/s1600/TF_FullColor_Icon.jpg March 31, 2020 — Posted by Jaeyoun Kim, Technical Program Manager, and Jing Li, Software
Next-Generation Pose Detection with MoveNet and TensorFlow.js
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
Introducing TF-Coder, a tool that writes tricky TensorFlow expressions for you!
https://blog.tensorflow.org/2020/08/introducing-tensorflow-coder-tool.html August 26, 2020 — Posted by Kensen Shi, Google Research When manipulating tensors, one must keep track of multiple dimensions, tensor shape and DType compatibility, and of course mathematical correctness. Additionally, there are hundreds of TensorFlow operations, and finding the right ones to use can be a challenge. Instead
Autoencoders with Keras, TensorFlow, and Deep Learning - PyImageSearch
In this tutorial, you will learn how to implement and train autoencoders using Keras, TensorFlow, and Deep Learning. Today’s tutorial kicks off a three-part series on the applications of autoencoders: Autoencoders with Keras, TensorFlow, and Deep Learning (today’s tutorial)Denoising autoenecoders with Keras and TensorFlow (next week’s tutorial)Anomaly detection with Keras, TensorFlow, and Deep Lea
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
フロントエンドで完結するまったくサーバーを使わないアイドル判定サービスを作った - Qiita
Keras documentation: Code examples
TensorFlow Liteについて語る会に参加しました - Pay money To my Life
Google、TensorFlow LiteをAndroidの標準推論エンジンに
Introducing the Model Garden for TensorFlow 2
leoleoleoya.hatenablog.com
mannenna.hatenablog.com
www.kyobun.co.jp
usunonoo-minicar.hateblo.jp
search.app
matomedane.jp