LLVMの新しい中間言語表現 MLIRを試す(3. MLIRに関する発表資料を読む) - FPGA開発日記
MLIRについてもう少し具体的な例を勉強するために、資料を読み込んでいくことにした。 以下の資料を参考にした。Chris Lattnerの所属がSiFiveに変わっているので、比較的最近の資料だ。 docs.google.com MLIRはMulti-Level Intermediate Representation Compiler Ifrastructureの略称である。 2004にLLVMを開発したときの想定構成。1つのIRを用意してすべてを解決する。マルチターゲット、解析、最適化など。 ところがこれだけでは上手く行かなくなった。LLVM-IRだけでなく複数の表現形式を使用する必要がある。現在のLLVM IRでは並列性やループなどの表現形式に問題がある。 Clangも同様。LLVM IRを出力するだけでなく、様々なアノテーションを出力する必要が生じたり、もはやC++の複雑な言語構文を
TensorFlow Developer Certificateに合格しました。受験体験記を共有したいと思います。 合格するためにやったこと DeepLearning.AI テンソルフロー開発者 プロフェッショナル認定 - Coursera ローレンスさんとアンドリューさんの講座をやりました。 無料で動画の視聴ができ、登録しても7日以内に解約すれば無料でテストが受けれます。 https://www.coursera.org/professional-certificates/tensorflow-in-practice 4コースx4Weekありますが、集中してやれば1日で終わります。日本語字幕で動画の自動再生をオンにするのがオススメです。 内容を完全に理解する必要はありません。とにかく、最後まで視聴することが大事です。 試験中はコードを書くことは一切ありません。ローレンスのコードをコピペす
GitHub - mrdbourke/tensorflow-deep-learning: All course materials for the Zero to Mastery Deep Learning with TensorFlow course.
You 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
以下の記事を参考に書いてます。 ・Face and hand tracking in the browser with MediaPipe and TensorFlow.js 1. ブラウザでライブデモを試してください「facemesh」は、画像内の顔の境界とランドマークを検出、「handpose」は手を検出するパッケージです。これらのパッケージは小さく、高速で、ブラウザ内で実行されるため、データがユーザーのデバイスを離れることはなく、ユーザーのプライバシーが保護されます。 以下のリンクから、今すぐ試すことができます。 ・facemesh ・handpose これらパッケージは、マルチモーダル知覚パイプラインを構築するためのライブラリ「MediaPipe」の一部としても利用できます。 ・MediaPipe face tracking ・MediaPipe hand pose trackin
PyTorchやTensorFlow互換のAI処理高速化プラットフォーム「MAX」プレビュー公開、Pythonを高速化した「Mojo」搭載
Modular社がAI処理を高速化するプラットフォーム「MAX」をプレビュー公開。PyTorchやTensorFlow、ONNXなどのAIモデルと入れ替えるだけで処理が最大5倍高速になる。 Pythonの高速なスーパーセット「Mojo」言語を発表したことで話題となったModular社が、AI処理を高速化するプラットフォーム「MAX」（Modular Accelerated Xecution）のデベロッパーエディションをブレビュー公開しました。 MAX Developer Edition Preview has officially launched! It's a drop-in replacement for running and serving @PyTorch, @tensorflow and @onnxai models much faster and leverages the
日立製作所OSSソリューションセンタの横井です。今回は、画像認識を行うNode-REDのTensorflow.jsノードの使い方をご紹介します。 Tensorflow.jsとNode-RED TensorFlow.jsとは、TensorFlowのJavaScript実装です。TensorFlow.jsを用いることで、ブラウザ上やサーバサイドのNode.jsで学習や推論処理をリアルタイムに実行できます。また、Node-REDは、主にIoT向けに開発されたピジュアルプログラミングツールです。InfoQの記事によると、2020年のトレンドとしてTensorlow.jsはEarly Majority、Node-REDはEarly Adoptersという流行っている/流行りつつあるOSSとして位置付けられています。 本記事では、これらトレンドの2つのOSSを組み合わせて何ができるか見てみましょう。
1. Tensorflow/Pytorchのモデル実装の基礎 2. Tensorflow/Pytorchの比較 3. Tensorflow/Pytorchの重み変換のテクニック 4. 実践Tensorflow/Pytorchのモデル移植 について紹介します 第３回分析コンペLT会 https://kaggle-friends.connpass.com/event/220927/
商用利用可能なPython向け機械学習ライブラリ「SmallTrain」 Geek Guildがオープンソース化
商用利用可能なPython向け機械学習ライブラリ「SmallTrain」 Geek Guildがオープンソース化：「TensorFlow」や「PyTorch」のラッパー機能を備える Geek Guildは、Python向け機械学習ライブラリのオープンソースプロジェクト「SmallTrain」を開始する。商用利用が可能な学習済みのAIモデルを備え、ユーザーのデータを学習させることで、独自の学習済みモデルを構築できる。
Posted by the TensorFlow Team Earlier this year, we announced TensorFlow 2.0 in alpha at the TensorFlow Dev Summit. Today, we’re delighted to announce that the final release of TensorFlow 2.0 is now available! Learn how to install it here. TensorFlow 2.0 is driven by the community telling us they want an easy-to-use platform that is both flexible and powerful, and which supports deployment to any
本書はコードを動かしながら学び、機械学習が使えるようになることを目的とした書籍です。現実的な問題を出し、サンプルデータを示しながら、機械学習で問題を解決に導くまでの一連の手法を体系立てて解説します。 深層学習以外の機械学習にはscikit-learnを使い、機械学習プロジェクトの流れ、データからモデルを学習する方法、データの処理・クリーニングなどの基礎から、特徴量の選択や過学習、データの次元削減など応用までを学びます。深層学習にはTensorFlowとKerasを使い、ニューラルネットワークの構築と訓練、ニューラルネットワークアーキテクチャ、深層学習や強化学習、さらにTensorFlowの分散処理のメカニズムや実装までを幅広く解説します。 第2版では教師なし学習と深層ネットワーク訓練手法、コンピュータビジョンテクニック、自然言語処理、Tensor Flowの大規模な訓練や効率的なデータの取
TensorFlowを初期の頃から触っていて define-and-run の流儀にはそれなりに慣れてしまっていたけど、そろそろTensorFlowも2.0がreleaseされそうだし(2019.09時点で 2.0rc1) 新しいinterfaceも触っておかないと、と思って勉強してみた。 Effective TensorFlow 2.0 を読むと、major changesとして "Eager execution"、recommendationsとして"Keras layers and models"が紹介されている。 これからの時代はKeras APIを使ってEager executionでやっていく必要がありそうだ。 お題: 将棋駒画像の分類 昨年くらいから将棋の画像認識をやろうと思って 駒の画像データセットを作成 していた。今回はこれを使う。 各駒14種の先手・後手で28種、空白マ
米Googleは7月12日（現地時間）、Gmailの受信箱に表示する送信者のアイコンとして、企業ロゴを表示できるようにしたと発表した。BIMI（Brand Indicators for Message Identification）を採用した企業の認証済みのロゴのみが表示されるので、なりすまし対策になる。 BIMI採用のロゴは、Gmail内で表示されるアカウントの頭文字やGoogleアカウントのプロフィール画像に代わって表示される。 BIMIは、メールの送信ドメイン認証技術、「DMARC」に基づく業界標準。Googleの他、Verizon MediaやTwilio、Fastmailなどが取り組みに参加している。 DMARCなどのセキュリティプロトコルはデジタル証明書と暗号化によるため、検証済みのロゴは実際の企業のメールドメインにしか表示されず、なりすましメールで真似することはできないことに
はじめに Turing株式会社の自動運転MLチームでエンジニアをしている越智 (@chizu_potato)と塩塚 (@shiboutyoshoku) です。 Turingが目指す自動運転は、大量のデータで学習された非常に賢い機械学習モデルを活用することです。そのために、走行パートナーの方たちと協力して創業時からこれまで大量の走行データを取得してきました。走行データは車両に取り付けられた複数カメラによる360度をカバーした動画と、そのときの速度やGPSなどの走行ログを含んでいます。データサイズは80TBを超え、時間換算で3500時間程度です。 これだけのデータサイズでモデルを学習するためには、1枚のGPUだけで頑張るには限界があり複数のGPU (multi-GPU) による分散並列学習が必要となってきます。しかし、ただ分散並列学習を行うだけではmulti-GPUに対し、データの入出力 (I
GitHub - yeemachine/kalidokit: Blendshape and kinematics calculator for Mediapipe/Tensorflow.js Face, Eyes, Pose, and Finger tracking models.
You 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.
最近のトピックでは、AI(人工知能)に関するニュースをよくみますよね。 なぜここまでAI(人工知能)の開発やビジネス利用が熱くなっているのかというと、一つの要因としてAI(人工知能)の中の一つの技術である機械学習のフレームワークがここ最近で増えていることが挙げられます。 フレームワークとは、頭のいい人が作ったプログラムを一つにまとめて他の開発者が容易に開発できるようにしたもので、その中でも機械学習関連の有名なフレームワークとしてTensorflowというものがあります。 そこで、この記事では入門として、まずTensorflowというものがいったいどんなものなのかを解説し、そしてTensorflowに何ができて実際どんなシステムやアプリに使われているのかも入門者向けに解説しましょう。
GitHub、機械学習を用いてソースコードから言語を検出／分類するツール「OctoLingua」を開発
GitHubは2019年7月2日（米国時間）、GitHubで管理されているソースコードがどのようなプログラミング言語で記述されているのかを特定するツール「OctoLingua」を開発したと発表。同ツールに関する今後の計画も明らかにした。 GitHub上で最も人気のある上位の5言語はJavaScript、Java、HTML、Python、PHPだが、ホストしているソースコードは300種類以上のプログラミング言語にわたるという。GitHubにとって、リポジトリにコードがプッシュされた際にその種類を認識することが重要だという。検索やセキュリティ脆弱（ぜいじゃく）性アラート、構文のハイライト表示といった観点があるからだ。 だが「.h」のように1つのファイル拡張子が複数のプログラミング言語で利用されている場合や、その逆の場合も珍しくない。さらにはプログラマーが誤った拡張子を付ける場合もある。 なぜ新
「分析コンペLT会」は、KaggleやSIGNATEなど、データ分析のコンペに関連するLT（ライトニングトーク）を行う会です。rishigami氏は、TensorFlow／PyTorchのモデル移植について発表しました。全2回。前半は、TensorFlow、PyTorchそれぞれのモデル実装の基礎と、それぞれの違い、重み変換のテクニックについて。 フレームワークにまつわる、ありがちな困りごと 石上氏：今回は「TensorFlow／PyTorchモデル移植のススメ」というタイトルで発表します。 あらためて自己紹介ですが、私は石上と申します。ハンドルネームは「rishigami」でやっていて、Kaggleでは現在Competitions Masterとなっています。ただ最近はちょっと忙しくて、Kaggleに参加できておらず、つい最近NFLコンペが開催された（※取材当時）ということで、ちょっとそ
MacでTensorFlow Liteを動かすまでの流れを解説していきます。 環境 動作確認済の環境は以下の通りです。 ・macOS Catalina バージョン10.15 ・Python 3.7.4 ・conda 4.7.12 ・TensorFlow 1.15.0 ・keras 2.2.4 環境構築 以下のURLよりAnacondaをインストール https://www.anaconda.com/distribution/ ダウンロードしたインストーラパッケージをダブルクリックして起動します。 利用規約に同意し、保存先を決めてインストールします。 HomeからJupyter Notebookを起動します。 作業場所を決めて、NEW→Python3でipynbファイルを作成します。 ファイルを開くとこのようにプログラムを書ける画面に移ります。ここにプログラムを書いていきます。 次にTens
Googleは2020年11月18日（米国時間）、機械学習向けのライブラリ群「TensorFlow」の公式ブログで、Appleが2020年11月に発表したばかりのMac専用SoC（System on Chip）「M1」およびIntel版Macに最適化したMac版の「TensorFlow」を発表した。TensorFlowはGoogleが開発し、オープンソースソフトウェアとして公開する機械学習向けのソフトウェアライブラリ群だ。 今回発表されたMac版TensorFlowは「macOS 11.0」以降の環境で動作する。本稿執筆時点では次のプレリリース版とアドオンが公開されている。 TensorFlow r2.4rc0 TensorFlow Addons 0.11.2 AppleのMachine Learning Researchが公表したベンチマーク資料。Macに最適化されたTensorFlow
Raspberry PiでTensorflowの環境構築【2020年】 情報が少なく、Version管理の難しいRaspberry Piでの環境構築を以下に記します。 Raspberry Pi OS (32-bit) LiteをSDに書き込む 僕はmobileNetV2を用いてリアルタイムの画像処理をするのにOSのサイズをできる限り軽量化する必要がありました。 自分のパソコンをsshでつなぐ。同じwifi環境下でのみ Wifiの管理ファイルにご自身のWifi設定を書き加え、sshで接続します。 下記のコマンドでOS関係を最新の状態にします。 sudo apt update sudo apt upgrade -y sudo reboot この記事を参考にスワップ領域を拡張します。 少しでもメモリ容量を持たせるために拡張します。 テキストファイル開くときおすすめはnanoです。Nanoは使い方
Googleが開発した機械学習のためのソフトウェアライブラリ「TensorFlow」を使用し、NINTENDO64でマリオカートの全自動走行を成し遂げた人物が登場しました。 Can an AI learn to drive Mario Kart 64? - YouTube Let’s-a Go, TensorFlow! - Hackster.io https://www.hackster.io/news/let-s-a-go-tensorflow-713147d81e18 マリオカートの全自動走行を成し遂げたのは、セキュリティ研究者であるstacksmashing氏。stacksmashing氏は2017年に登場した「TensorFlowを用いて人工知能(AI)がマリオカート64をプレイできるように学習させる」というプロジェクトに感銘を受けたとのことですが、このプロジェクトは実機ではなくエ
マルチバックエンドKerasの終焉、tf.kerasに一本化：TensorFlow 2＋Keras（tf.keras）入門 Kerasの公式サイト「keras.io」が完全リニューアル。Kerasのインストール方法やkerasモジュールのインポート方法に関する説明が変わった。「tf.kerasに一本化」とはどういうことなのかを解説する。
令和元年Google機械学習技術総決算 Masahiko Adachi #DefFest19
GPU別ディープラーニング性能ベンチマークで使用したソフトウェア 検証に使用したハードウェア構成は記事末尾に記載しておりますので、別途ご確認ください。 ResNet50(FP32) GPU別ディープラーニング性能ベンチマーク：ResNet50(FP32) まずはResNet50(FP32)でベンチマークをとってみました。 GPUの性能向上に合わせてスコアが順当に上がっています。また、GPUを2枚搭載する場合は処理性能が約1.8倍となりました。 一方でCPU はCore i9-10980XEにてベンチマークの計測を行いましたが、Core i9-10980XE よりも安価なGeForce RTX 2080 Tiの足元にも及びませんでした。だからと言ってCPUの性能は軽視して良い訳ではなく、学習前処理等ではCPUの性能も必要となり、ディープラーニングの学習に必要な全体の工程の一部の時間短縮に貢献
先日(2019/10/1)、ついにTensorFlow2.0.0が正式リリースされました。当初の予定からはだいぶズレましたが、無事リリースされて何よりです。 一方で、TensorFlow1.15のRC版も公開されていて、1.15がTF1.x系の最後のリリースとなることが明言されています。 そのため、機能、サポート、stackoverflow等のweb情報の面を考えると、今後はTF2.x系に移行していくべきなのですが、TF2.0はTF1.x系から大きな変更点がいくつかあり、注意が必要です。 今回は、特にTF1.x系でtf.Sessionのような低レベルAPIを使っていた人に向けて、TF2.0で互換となりそうな基本的な書き方についてまとめたいと思います。 TF1.xからTF2.0の変更点 TF2.0の変更点はいくつかありますが、その中でも書き方に大きく影響しそうな点をピックアップしておきます。
https://blog.tensorflow.org/2020/07/tensorflow-2-meets-object-detection-api.html https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEhKis9ECId8eIwn_p0SVMBt3a1vfvKOcOZXy6zK0fWoyzXnzQTguKc2CV__6oI1Pwg22NjWsErpDKqjwQdzjilvmqwWkXPj2ncglphh6mAhpoZ_QXQiDwxnwo-GjKEP0fEOb3uBlNlh9sc/s1600/tensorflow2objectdetection.png July 10, 2020 — Posted by Vivek Rathod and Jonathan Huang, Google Research At the
Apple Silicon M1 でtensorflow-macosを実行したらめちゃくちゃ速かった。 - Qiita
Apple Silicon M1 でtensorflow-macosを実行したらめちゃくちゃ速かった。MacDeepLearningAppleTensorFlowAppleSilicon はじめに Macbook Air (AppleSilicon, M1)を購入しました。 Appleが設計したM1は下馬評以上の性能を叩き出し、とても盛り上がっていますね。 M1のハードウェアとしての魅力はもちろんすごいですが、M1に合わせた各種ソフトウェアの最適化も魅力的です。 AppleがTensorflowをフォークしてM1で最高のパフォーマンスを発揮するように最適化したコード(tensorflow-macos)を公開しています。 https://github.com/apple/tensorflow_macos#requirements tensorflowのブログ記事でパフォーマンスが比較されてい
In 2018, PyTorch was a minority. Now, it is an overwhelming majority, with 69% of CVPR using PyTorch, 75+% of both NAACL and ACL, and 50+% of ICLR and ICML. While PyTorch’s dominance is strongest at vision and language conferences (outnumbering TensorFlow by 2:1 and 3:1 respectively), PyTorch is also more popular than TensorFlow at general machine learning conferences like ICLR and ICML. While som
連載目次 本連載では、第1回～第3回で、ニューラルネットワークの仕組みと、TensorFlow 2.x（2.0以降）による基本的な実装コードを説明した。また、第4回～第6回で、TensorFlow 2の書き方をまとめた。さらに前回（第7回）では「回帰問題」についてあらためて取り上げ、これまでの連載記事で学んできた知識だけでも「基本的なディープ ニューラル ネットワーク」（以下、DNN）の実装が十分かつ自由に行えることを体験していただいた。 これをもっと続けよう。あとは、ディープラーニングの実装パターンを繰り替えしながら、慣れていくだけである。数をこなせばこなすほど、最初は「難しい」「分からない」と思っていた部分はなくなっていく（最初は覚えることが多いが、覚えることが減っていけば、それだけディープラーニングが楽になり、より好きになるはずだ）。さっそく始めよう。 今回の内容と方針について 分類
Raspberry Pi4 で TensorFlow Lite GPU Delegate (OpenGLES) を試す - Qiita
0. 更新履歴 (2020/06/27) Tensorflow r2.3用に記述内容を全面修正しました。 1. はじめに ラズパイ４の OpenGLES はリリース当初 ver 3.0 でしたが、2020/1月に ver 3.1 にアップデートされました。 OpenGLES 3.1 では、ComputeShader が使えるようになり、GPGPUプログラミングしやすくなります。超うれしいアップデートです。 一方 TensorFlow Lite には、推論にかかる演算処理を CPUからGPU にオフロードする GPU Delegate 機能があります。 この GPU Delegate は、さらに V1(OpenGLES) と V2(OpenCL) とがあり、V1 は OpenGLES 3.1 が使える環境であれば動かすことができます。V2は OpenCL が使える環境での動作を想定しています
TensorFlow＋KerasでSSDを独自データで使えるようにしてみた - EeePCの軌跡
さて、とりあえず動かすために、Pascal VOCのデータをダウンロードします。 私はVOC2007を使いました。入手の仕方は「The PASCAL Visual Object Classes Challenge 2007 (VOC2007)」のサイトの中ほどにある「Development Kit」の「 training/validation data 」をクリックします。 これを解凍すると、「VOCdevkit」というフォルダができます。これを、上のSSDのコードのあるところ(ssd_keras-master)にそのまま入れます。 他には学習済みデータを入手する必要があります。 「https://mega.nz/#F!7RowVLCL!q3cEVRK9jyOSB9el3SssIA」から「weights_SSD300.hdf5」をダウンロードしてください。右クリックして「ダウンロード」-「
[Tensorflow Lite] Various Neural Network Model quantization methods for Tensorflow Lite (Weight Quantization, Integer Quantization, Full Integer Quantization, Float16 Quantization, EdgeTPU). As of May 05, 2020. - Qiita
[Tensorflow Lite] Various Neural Network Model quantization methods for Tensorflow Lite (Weight Quantization, Integer Quantization, Full Integer Quantization, Float16 Quantization, EdgeTPU). As of May 05, 2020.PythonDeepLearningTensorFlowPyTorchOpenVINO 日本語 English - Japanese - 1. Introduction 今回は私が半年間掛けてためてきた、学習済みモデルの量子化ワークフローをメモがてら共有したいと思います。 Tensorflow の checkpoint (.ckpt/.meta)、 FreezeGraph (.
![[Tensorflow Lite] Various Neural Network Model quantization methods for Tensorflow Lite (Weight Quantization, Integer Quantization, Full Integer Quantization, Float16 Quantization, EdgeTPU). As of May 05, 2020. - Qiita](https://cdn-ak-scissors.b.st-hatena.com/image/square/962467bef8525b4f7e46a8b1bac9c15f1d1d7575/height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fcdn.qiita.com%252Fassets%252Fpublic%252Farticle-ogp-background-412672c5f0600ab9a64263b751f1bc81.png%3Fixlib%3Drb-4.0.0%26w%3D1200%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTk3MiZoPTM3OCZ0eHQ9JTVCVGVuc29yZmxvdyUyMExpdGUlNUQlMjBWYXJpb3VzJTIwTmV1cmFsJTIwTmV0d29yayUyME1vZGVsJTIwcXVhbnRpemF0aW9uJTIwbWV0aG9kcyUyMGZvciUyMFRlbnNvcmZsb3clMjBMaXRlJTIwJTI4V2VpZ2h0JTIwUXVhbiVFMiU4MCVBNiZ0eHQtYWxpZ249bGVmdCUyQ3RvcCZ0eHQtY29sb3I9JTIzMjEyMTIxJnR4dC1mb250PUhpcmFnaW5vJTIwU2FucyUyMFc2JnR4dC1zaXplPTU2JnM9NGU4YmU5MWE3NzMwNDEzZmU2NWU3YTU1N2NmNDBkZGE%26mark-x%3D142%26mark-y%3D57%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZoPTc2Jnc9NzcwJnR4dD0lNDBQSU5UTyZ0eHQtY29sb3I9JTIzMjEyMTIxJnR4dC1mb250PUhpcmFnaW5vJTIwU2FucyUyMFc2JnR4dC1zaXplPTM2JnR4dC1hbGlnbj1sZWZ0JTJDdG9wJnM9ZDc0MDllNThhZDg0NWJiODAyMjk4MmQwNTI1OWRjZDU%26blend-x%3D142%26blend-y%3D486%26blend-mode%3Dnormal%26s%3D2107faf34549913ddd503ce1bd7681de)
SmallTrainサイトのトップ画面 株式会社Geek Guild（ギークギルド）は11月9日、商用AI（人工知能）サービスのための、高精度なAI学習済みモデルの開発に使えるディープラーニング（深層学習）フレームワーク「SmallTrain（スモールトレイン）ver.0.2.0」のソースコードを公開したと発表。オープンソースなので、無償で誰でも利用できる。 SmallTrainは、ライブラリ機能とラッパー機能を兼ね備えたオープンソースフレームワーク。Kerasのように使えるという。多様なデータを学習済みのAIモデルを起点に、転移学習をするだけで、工数をかけずにAIを構築できるとのこと。 SmallTrainを使うと、精度を損なわず、大量のデータを取得する労力もいらず、ディープニューラルネットワークをすぐに開発できるという。MITライセンスに準拠しており、商用利用も可能だ。 需要と供給にあ
はじめに 突然ですが、私（たち）は大阪生まれ、大阪育ちの純粋な大阪人です。 現在は仕事のため東京に在住していますが、大阪の魂を捨てたわけではありません。 先日不意に興味深い論文を見つけました。 エセ大阪弁の音声学的特徴 共通語話者が大阪弁話者に親しみを込めて大阪弁っぽく話したとしても、そのエセ大阪弁に対する大阪弁話者の拒否感、抵抗感、嫌悪感は根強い。共通語や東京弁は認めても、エセ大阪弁だけは許さないという気概すら感じる。 草である。 流石にそのような拒否感や嫌悪感を露わにするほどではありませんが、少なくとも大阪人であれば聞き慣れない関西弁を耳にした時、 「ん？今のエセっぽいな？」 と感じることは少なからずあるかと思います。 決して嫌悪感を抱いているわけではないですが、この論文にあるようにアクセントの違いには敏感であるとは自覚していますし、大多数の大阪人の方々も同じくだと思います。 (例えば
サイドチャネル攻撃への対策
.app 1 .dev 1 #11WeeksOfAndroid 13 #11WeeksOfAndroid Android TV 1 #Android11 3 #DevFest16 1 #DevFest17 1 #DevFest18 1 #DevFest19 1 #DevFest20 1 #DevFest21 1 #DevFest22 1 #DevFest23 1 #hack4jp 3 11 weeks of Android 2 A MESSAGE FROM OUR CEO 1 A/B Testing 1 A4A 4 Accelerator 6 Accessibility 1 accuracy 1 Actions on Google 16 Activation Atlas 1 address validation API 1 Addy Osmani 1 ADK 2 AdMob 32 Ads
長谷川さんは、元々カーナビのハードウェア開発を担当されていたとお聞きしました。カーナビから農業ロボットのソフトウェア開発とは、だいぶ異なる分野に転向されたのですね。どういったきっかけがあったのでしょうか？ 長谷川：大学時代はロボットの知能について研究していたのですが、デンソーに入社してからはカーナビのCPU基板の回路設計を行うようになりました。カーナビの仕事にもやりがいはありましたが、作った製品とエンドユーザーとの間に距離があることが気になってきたんですね。製品が完成するころには、自分はもう別の製品開発に取りかかっていて、お客様から直接フィードバックをいただく機会もない。また、今後の製品ではハードウェア、ソフトウェアをそれぞれ開発するのではなく、両者が高度に融合していくことになるだろうと考えていました。 そんな時、「人の役に立つロボット」プロジェクトの社内公募があったのです。大学時代のバッ
M1搭載Macの環境を汚さずにDeep Learningしたい！（Docker, PyTorch, TensorFlow, VSCode, Jupyter） - Qiita
M1搭載Macの環境を汚さずにDeep Learningしたい！（Docker, PyTorch, TensorFlow, VSCode, Jupyter）MacDeepLearningDockerVSCodeM1 DockerでDeep Learningしたいが、、、 せっかく新しく買ったM1搭載Macなのだから、環境はできるだけ汚さずに開発したいなぁ、という方は少なくないと思われます。 環境をクリーンに保つ方法の一つがDockerですけれども、 Deep Learningに必要なPyTorchとTensorFlowを両方利用できるいいarm64用Dockerイメージが見つからなかったので、なければ作れということで、作ってみました。 （PyTorchのビルドは何の苦労もなくできましたが、TensorFlowのビルドが辛いこと辛いこと、、、ビルドを開始して数時間経過後にエラーやらOut o
生TensorFlow七転八倒記(11)：TensorFlow周りの最近のアップデートについて - 渋谷駅前で働くデータサイエンティストのブログ
2年ぐらい前に必要があって生TensorFlowとTensorFlow-Hubによる様々なモデルやフレームワーク並びに事前学習済みモデルの実装を試していたのですが、TF2の浸透に伴いそれらの多くの仕様が変更になっており、中には回らなくなっていたコードもあったので、それらを調べるついでに最近のTF-Hubのアップデートも覗いてきました。ということで、自分向けの備忘録として簡単にまとめておきます。 TensorFlow-Hubの事前学習モデル Estimatorクラス 余談 TensorFlow-Hubの事前学習モデル まず試したのがUniversal Sentence Encoderの多言語版。リンク先を見れば分かるように、16言語（アラビア語・簡体字中国語・繁体字中国語・英語・フランス語・ドイツ語・イタリア語・日本語・韓国語・オランダ語・ポーランド語・ポルトガル語・スペイン語・タイ語・トル
R&D チームの奥村（@izariuo440）です。EfficientDet がブラウザで動いているのを見たことがなかったので、やってみました。以下はブラウザで実行中の様子1です。 結果として、EfficientDet-D0 で 256x256 の解像度の画像を TensorFlow Lite で推論させると、ネイティブで 20 FPS、WebAssembly SIMD support ありの Chrome で 7 FPS 程度の速度性能を確認できました。 Case XNNPACK XNNPACK スレッド数 FPS A OFF N/A 4 B ON 1 15 C ON 4 20 測定環境は MacBook Pro (Retina, 15-inch, Mid 2015) の 2.5 GHz です。 背景と動機 周辺知識 EfficentDet EfficientDet の精度 Effici
オープンソースの機械学習(ML)向けソフトウェアライブラリ「TensorFlow」の最新バージョンが2020年11月18日にAppleからリリースされました。TensorFlowはこのバージョンで、Appleが発表するや否や複数のベンチマーク結果で高スコアをたたき出して絶賛を浴びている「M1」チップに正式対応し、その性能をフル活用できるようになっています。 apple/tensorflow_macos: TensorFlow for macOS 11.0+ accelerated using Apple's ML Compute framework. https://github.com/apple/tensorflow_macos Leveraging ML Compute for Accelerated Training on Mac - Apple Machine Learning
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
![GoogleでJetson Nano x TensorFlowの可能性に関してプレゼンしてきました - karaage. [からあげ]](https://cdn-ak-scissors.b.st-hatena.com/image/square/153986ecec63dd26cd7a56c7a46b27f41e88d6ce/height=288;version=1;width=512/https%3A%2F%2Fcdn-ak.f.st-hatena.com%2Fimages%2Ffotolife%2Fk%2Fkaraage%2F20190610%2F20190610225928.jpg)
TensorFlow Certificateに1日で合格する方法 - Qiita
MediaPipeとTensorFlow.jsによるブラウザでの顔と手の追跡｜npaka
TensorFlow.jsノードをNode-REDで使ってみる - Qiita
Tensorflow/Pytorch モデル移植のススメ
TensorFlow 2.0 is now available!
scikit-learn、Keras、TensorFlowによる実践機械学習 第2版
TensorFlow 2.0 時代の Keras API での画像分類器 - すぎゃーんメモ
Gmail、なりすまし対策で送信元アイコンに企業ロゴ表示を可能に
TFRecordとWebDatasetを使った分散並列学習とパフォーマンス調査
機械学習を始めるにはフレームワークTensorflowを学ぼう！【入門編】
TensorFlowとPyTorchの相互変換はどうやるか 機械学習の困りごとに使える重み変換のテクニック
MacでTensorFlow Liteを実装する【2019年版】 - Qiita
機械学習が「爆速」に GoogleがApple M1チップ専用TensorFlowライブラリを発表
Raspberry PiでTensorflowの環境を構築【2020年】 - Qiita
AIを用いたマリオカート64の全自動走行がNINTENDO64の実機で成功
マルチバックエンドKerasの終焉、tf.kerasに一本化
DevFest 2019/B33 -令和元年Google機械学習技術総決算（配布用）
TensorFlowでディープラーニング性能をGPU別にベンチマーク比較 | パソコン工房 NEXMAG
低レベルAPIユーザーのためのTensorFlow2.0入門 - Qiita
TensorFlow 2 meets the Object Detection API
The State of Machine Learning Frameworks in 2019
第8回 分類問題をディープラーニング（基本のDNN）で解こう
AI学習済みモデルの開発に使える無償のフレームワーク「SmallTrain ver.0.2.0」商用利用可能 | Ledge.ai
【Python・TensorFlow】あんたのそれ、エセ関西弁やで - Qiita
AIの「眼」を持つロボットが、農業の新たな地平を開く | デンソー The COREs
物体検出器 EfficientDet をブラウザで高速推論 - OPTiM TECH BLOG
Appleの「M1」搭載Macに最適化されたAI向けライブラリ「TensorFlow」の最新バージョンがリリースされる
kei3.vp.bex.jp
search.app
online.longleage.co.jp
nana1.nm.bex.jp
www.nikkei.com
penissizeup.hatenadiary.jp