Ding, ding, ding! Dinner is served. Fresh out of the cold tin can. Petlibro, a pet tech startup that designs automatic food and water dispensers for cats, launched its first refrigerated smart feeder
フィックスターズ、クラウド上のエッジAI開発環境「GENESIS」をベータ公開CEATEC 2020 ONLINEで、初の一般公開 マルチコアCPU/GPU/FPGAを用いた高速化技術のグローバルリーダーである株式会社フィックスターズは、10月20日、クラウド上のエッジAI開発環境「GENESIS DevEnv」のベータ版をリリースしました。GENESIS * は、クラウドで完結したエッジアプリケーション向けノーコード開発プラットフォームです。これにより開発者は、クラウド上に用意された複数のハードウェアに自在にアクセスし、いつでも、どこでも、リモート環境で効率よくアプリケーション開発を行うことができます。本サービスは正式サービス開始まで、無料でお使いいただけます。2020年10月20~23日にオンライン開催されているCEATEC 2020 ONELINEのNEDOブース内で出展しています。
独自の画像認識AIとは例えば「工場の通い箱(搬送用の箱)の中を撮影した画像から特定の機械部品を検出して名称を出力する」といったものだ。従来はこうした独自の画像認識AIを開発するには、大量の教師データやAIの専門知識を持つ技術者が必要とされ、時間とコストがかかった。Rekognition Custom Labelsを使うと、ユーザーはAIの専門知識を必要とせず、検出したい機械部品ごとにそれが写った画像を10個ほど用意して名称のタグ付けなどをするだけで、独自の画像認識AIを開発できる。 Rekognition Custom Labelsは、AWSが「Amazon Rekognition」として提供する汎用的な画像認識AIに対してユーザーが追加学習できるようにしたサービスといえる。同様の画像認識AIサービスとしては米マイクロソフト(Microsoft)の「Custom Vision」や米グーグル
機械学習チームの林田(@chie8842)です。好きなスポーツはテニスとスノボです。 システムは、その当時の最新の技術で作ったとしても必ずレガシー化します。 機械学習システムも他システムと同様、一度デプロイしたら終わりではなく、継続的なメンテナンスが必要です。昨今機械学習は、特に技術の進歩が目覚ましいため、レガシー化するのも早い分野といえます。本稿ではレガシー化した機械学習アプリケーションのメンテナンスと、それに伴うGPU環境からCPU環境への移行によって、大幅にシステムの運用コストを削減した例をご紹介します。 機械学習アプリケーションにおけるコスト課題 クックパッドにおける最初の大きな機械学習プロジェクトである料理きろくがリリースされたのは、2年前のことです。それ以来、様々な機械学習アプリケーションがデプロイされ、現在では大小含めて30を超える機械学習アプリケーションが運用されています。
[速報]Google、クラウドで高速にディープラーニングを行う「Cloud Machine Learning」発表、TensorFlowベース。GCP Next 2016 Googleは同社のクラウドに関するイベント「GCP Next 2016」を3月23日、24日の2日間にわたり米サンフランシスコで開催しています。 初日の基調講演で、最後の話題は機械学習(Machine Learning)でした。Googleはクラウドサービスの1つとして機械学習機能にも注力することを表明しています。Google Senior FellowのJeff Dean氏は、機械学習はコンピュータの歴史のなかで最も重要な出来事の1つだと説明。 Googleは2012年以来機械学習をさまざまなサービスに利用し、いま社内ではより使いやすくなった第二世代を機械学習を利用しているとのこと。 トレーニング済みの機械学習サービ
Deep Learning Tutorials by Adrian Rosebrock on October 13, 2014 Last week I wrote a post detailing my experience with CUDAMat, Deep Belief Networks, and Python using my MacBook Pro. The post is fairly long and full of screenshots to document my experience. But the gist of it is this: Even after installing the NVIDIA Cuda SDK and configuring CUDAMat, my CPU was training my Deep Belief Network (impl
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