Overview GPUs and TPUs can radically reduce the time required to execute a single training step. Achieving peak performance requires an efficient input pipeline that delivers data for the next step before the current step has finished. The tf.data API helps to build flexible and efficient input pipelines. This document demonstrates how to use the tf.data API to build highly performant TensorFlow i
Alright. So you just got started with Keras with Tensorflow as a backend. Introducing GPU computing was quite simple so you started increasing the size of your datasets. Everything works fantastic, your GPU is happy and hungry for more, so you increase the dataset size even more to improve the robustness of your model. At a certain size, you hit the limit of your RAM and naturally you write a quic
自動運転車の技術水準を推し量る指標の1つが「離脱当たり走行距離(Miles per Disengagement)」である。離脱(Disengagement)とは、自動運転車の運転席にいるテストドライバーの判断で自動運転AI(人工知能)をオフにしたり、AIが判断に迷ってテストドライバーに運転を引き継いだりすることを指す。離脱が発生せずに走れる距離が長いほど、自動運転AIが優秀だと見なせる。 生涯に1度のレアなケースにも対応 離脱当たり走行距離を見ると、米グーグル(Google)から独立した米ウェイモ(Waymo)のレベルが圧倒的だ。ウェイモの自動運転AIはカリフォルニア州の公道を125万5997マイル(約202万キロ)走って、114回しか離脱が発生しなかった。離脱当たり走行距離は1万1017マイル。約1万8000キロメートルを走って1回しか離脱が発生しない計算だ。 「我々の自動運転車は、人間
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