今こそ知っておきたい「TensorFlow」--機械学習ソフトウェアライブラリーの進化 - ZDNet Japan
印刷する メールで送る テキスト HTML 電子書籍 PDF ダウンロード テキスト 電子書籍 PDF クリップした記事をMyページから読むことができます 「TensorFlow」は当初、Google Brain Teamのディープラーニング研究プロジェクトだったが、Googleの50のチームの共同作業によって新たなオープンソースライブラリーとなり、「Google Assistant」「Google Photos」「Gmail」「Google Search」など、Googleのエコシステム全体に展開された。GoogleはTensorFlowを導入したことで、知覚や言語理解のタスクを使用して、ディープラーニングをさまざまな分野に応用することができる。 この入門記事では、TensorFlowに関する最新情報を紹介する。 概要 どんなものなのか：Googleは世界最大の機械学習インフラストラクチ
[PyConJP2019]Pythonで切り開く新しい農業
[DL輪読会]Grandmaster level in StarCraft II using multi-agent reinforcement lear...
![[PyConJP2019]Pythonで切り開く新しい農業](https://cdn-ak-scissors.b.st-hatena.com/image/square/8d84bf00a638a617da5aac80e8d4f3038a2fd93b/height=288;version=1;width=512/https%3A%2F%2Fcdn.slidesharecdn.com%2Fss_thumbnails%2Fpyconjp2019-190915165002-thumbnail.jpg%3Fwidth%3D640%26height%3D640%26fit%3Dbounds)
グーグルの機械学習フレームワーク「TensorFlow」が「Raspberry Pi」を正式にサポート
印刷する メールで送る テキスト HTML 電子書籍 PDF ダウンロード テキスト 電子書籍 PDF クリップした記事をMyページから読むことができます シングルボードのコンピュータ「Raspberry Pi」で、Googleの機械学習フレームワーク「TensorFlow」を利用するのがますます簡単になりそうだ。 開発者はすでに、Raspberry PiでTensorFlowをさまざまに活用し、深層学習モデルを追加して、画像分類などを行うことが可能だった。 TensorFlowは「Linux」「Windows」「Android」「macOS」「iOS」でも利用できるが、35ドルのRaspberry Piよりも安く利用できるハードウェアはないだろう。 しかし、TensorFlowモバイル・組み込みチーム責任者であるソフトウェアエンジニアのPete Warden氏が指摘するように、従来はTe
Twitterが機械学習用ライブラリをTensorFlowに移行しようとしている理由とは？ - GIGAZINE
Twitterはユーザーに合わせたコンテンツを表示するため、機械学習を使用してサービスの改善に取組んでいます。記事作成時点で、Twitterは機械学習にTorchを使用していますが、2017年の夏頃からGoogleが開発したTensorFlowに移行する取り組みを行っています。TensorFlowに移行することで得られるメリットについて、Twitterのソフトウェアエンジニアであるニコラス・レオナール氏とシベーリ・モンテス・ハラース氏が説明しています。 Twitter meets TensorFlow https://blog.twitter.com/engineering/en_us/topics/insights/2018/twittertensorflow.html Twitterは2014年にディープラーニングを使用した画像検索やデータベース構築に取り組むMadbitsを買収し、同
TensorFlow 畳み込みニューラルネットワークで手書き認識率99.2%の分類器を構築 - Qiita
TensorFlowとは2015/11/9にオープンソース化されたGoogleの機械学習ライブラリです。この記事ではディープラーニングと言われる多層構造のニューラルネットワークをTensorFlowを利用して構築しています。 TensorFlowはPythonから操作できますがバックエンドではC++で高速に計算しています。macのPython2.7系環境でTensorFlowの上級者用チュートリアルを行い、手書き認識率99.2%の多層構造の畳み込みニューラルネットワークモデルの分類器を構築したときの作業メモです。特別な設定なしにCPU使用率270%メモリ600MByteとちゃんと並列計算してくれました。MNISTランキングを見ると認識率99.2%は上位のモデルとなるようです。 TensorFlowチュートリアル TensorFlowの初心者用と上級者用チュートリアル2つに取り組んでみました
1
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
処理を実行中です
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
GitHub - akanazawa/hmr: Project page for End-to-end Recovery of Human Shape and Pose
