The state of QUIC and HTTP/3 2020QUIC — a latency-reducing, reliable, and secure transport protocol — and HTTP/3 — a mapping of HTTP semantics on top of QUIC — are co-evolving protocols that are being developed and deployed in tandem. This regularly updated blog post will elaborate on the current state of the protocols, their deployment across the web, and our expectations for the technologies in
Deploying Transformers on the Apple Neural Engine
An increasing number of the machine learning (ML) models we build at Apple each year are either partly or fully adopting the Transformer architecture. This architecture helps enable experiences such as , , , , and many others. This year at WWDC 2022, Apple is making available an open-source reference PyTorch implementation of the Transformer architecture, giving developers worldwide a way to seaml
Release 2.0.0 Major Features and Improvements TensorFlow 2.0 focuses on simplicity and ease of use, featuring updates like: Easy model building with Keras and eager execution. Robust model deployment in production on any platform. Powerful experimentation for research. API simplification by reducing duplication and removing deprecated endpoints. For details on best practices with 2.0, see the Effe
MacBook Pro の Radeon GPU で Keras を使って MNIST を高速に学習させる方法 - Kei Minagawa's Blog
2019年12月現在、MacBook Pro の Radeon GPU で Keras を使って MNIST を高速に学習させることができました。忘れないよう環境構築手順等を記載します。Plaid-ML という機械学習ライブラリをインストールし Keras のバックエンドにそれを指定するとできることを確認しました。 Table of Contents 1. 参考文献 2. 環境構築 2.1. 前提条件 2.2. "plaidml-keras" のインストール 2.3. 初期設定コマンド 3. Keras で GPU を使用するために追加するコード 4. MNIST の学習 5. まとめ 1 参考文献 以下の記事を参考にしています。 Tensorflowのdockerを使ってみる（macOS） qiita.com PlaidML Kerasでやっていく #TokyoR 73 PlaidML
Siamese NetworkによるDeep Metric Learningで学習データにない画像のクラスを予測する - Qiita
最近、Meta-Learningについて勉強したのでMeta-Learningの１つの手法であるMetric Learningについて記事をかいてみました。Metric Learningの基本的な手法であるSiamese NetworkをKerasとPytorchで実装して簡単な精度評価まで行いました。 Kerasの実装はシンプルなSiamese Networkを実装したもので、Pytorchの実装は以下の論文のアーキテクチャを実装し、論文と同様に精度評価してみたものになります。 Siamese Neural Networks for One-shot Image Recognition Meta-Learningとは？ Meta-Learning: Learning to Learn Fast より引用 Meta-learning, also known as “learning to
画像分類手法を用いた時系列分類手法とKaggle Code輪読会のご紹介 - Platinum Data Blog by BrainPad
本記事は、当社オウンドメディア「Doors」に移転しました。 約5秒後に自動的にリダイレクトします。 ブレインパッドでは進化の激しいデータ分析業界で最新情報をキャッチアップしていくため、様々な勉強会が社内で開催されています。その中のKaggle Code輪読会について、その目的や活動内容、実際に発表された内容をご紹介します。 こんにちは。アナリティクスサービス部の諸橋と申します。 この記事ではブレインパッド社内で行われている勉強会の一つである「Kaggle Code輪読会」についてご紹介します。 また、輪読会で紹介されたKaggle Code（※データ分析プラットフォームKaggleに投稿された分析コードのこと）とその議論の内容についても紹介します。 今回紹介するKaggle Codeはセンサーデータとして取得された時系列データをグラフ化し、そのグラフに対して画像分類を行うことで元々の時系
Working From Home? Here’s How AWS Can Help | Amazon Web Services
AWS News Blog Working From Home? Here’s How AWS Can Help Just a few weeks and so much has changed. Old ways of living, working, meeting, greeting, and communicating are gone for a while. Friendly handshakes and warm hugs are not healthy or socially acceptable at the moment. My colleagues and I are aware that many people are dealing with changes in their work, school, and community environments. We
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
The state of QUIC and HTTP/3 2020
Release TensorFlow 2.0.0 · tensorflow/tensorflow