本プログラムの最大の特徴の一つは、全てのトピックについて、演習を中心に構成されている点です。実際に手を動かしながら理解を進めることで、効率よく学習することができます。 実際にモデルを学習させながら技術を習得する本格的な演習内容となっています。Deep Learningは、モデルが実際に学習する様子を観測し、パラメータを調整することでアプリケーションに応じたパフォーマンス最大化を行うことが非常に重要な技術ですが、この一連の流れを全ての演習で経験しながら重要な要素を身につけることが可能です。
As an example of the kind of improvements T2T can offer, we applied the library to machine translation. As you can see in the table above, two different T2T models, SliceNet and Transformer, outperform the previous state-of-the-art, GNMT+MoE. Our best T2T model, Transformer, is 3.8 points better than the standard GNMT model, which itself was 4 points above the baseline phrase-based translation sys
Posted by Jonathan Huang, Research Scientist and Vivek Rathod, Software Engineer (Cross-posted on the Google Open Source Blog) At Google, we develop flexible state-of-the-art machine learning (ML) systems for computer vision that not only can be used to improve our products and services, but also spur progress in the research community. Creating accurate ML models capable of localizing and identif
[速報]Google、スマートフォン向けの機械学習ライブラリ「TensorFlow Lite」発表。DSPをアクセラレータとして利用。Google I/O 2017 Googleは5月17日(日本時間5月18日未明)から開催中の年次イベント「Google I/O 2017」にて、スマートフォンなどのデバイスで実行するアプリケーション向けの機械学習ライブラリ「TensorFlow Lite」を発表しました。 「TensorFlow Liteはアプリケーション向けのライブラリで、高速かつ軽量でありながら、ContinentやLSTMといった最新の技術を利用可能だ」(Dave Burke氏、Vice President Enginieering, Android) TensorFlow Lite同時に、機械学習などで使われるニューラルネットワークの計算をDSPによってハードウェアアクセラレーショ
TensorFlowのコミュニティ はじめに TensorFlowの強み ネット上に質問と回答が溢れている サードパーティーがTensorFlowを盛り上げる TensorBoardなどの便利機能 宣言的プログラミング 確率モデルを記述するedward登場 Google、TensorFlow自体も頑張る アンドロイドOSに対応 ラズベリーパイをサポート Chainerは? 分散協調学習へ TensorFlowのコミュニティ はじめに こんにちは。私はChainerを応援していますが、いつでもTensorFlowの動向を伺っております。簡単なニューラルネットを書いてみて、TensorFlowを使ってみるということも継続的に続けております。 それでも普段はChainerをメインで使っていて、なんとか活性化しないかなと思っているところです。しかし、ずっと言われていることですが、TensorFlo
2016 - 10 - 09 Ubuntu 16.04でTensorFlow(GPU版)の環境構築 TensorFlow UbuntuでTensorFlowのGPU版を使うためのセットアップ手順まとめ。 基本的には Ubuntu 16.04 で GPU 対応版 TensorFlow をanaconda 環境でインストールした話 の内容を自分用にまとめただけなので、詳しい話とかなぜそのコマンドを叩くのかが知りたい人はそちらを見てください。 構築した環境は以下の通り OS: Ubuntu 16.04(Japanese Teamの日本語Remixイメージを使用) GPU: NVIDIA GTX1060 NVIDIAドライバ: 367.44 Python: 3.5.2 TensorFlow: r0.11 CUDA: 7.5 cuDNN: 5.1 執筆時点でCUDAの最新は8.0だったけどTens
以前は MNISTの例を使って画像識別を試してみた けど、次はカラー画像についての識別を試してみる。 「アイドルなんてみんな同じ顔に見える」って 最近も言われてるのかどうか知らないけど、自分もつい5年前くらいまではそう思っていたわけで。その識別を機械学習でやってみよう という試み。 最近はほとんどライブに行かなくなってしまったけど大好きなももいろクローバーZちゃんを題材にしてみることに。 5人のメンバーの顔は機械学習によってどれくらい分類できるようになるのか?? CIFAR-10 CIFAR-10 という、32×32サイズのカラー画像を10種類のクラスに分類する識別課題があり、そのデータセットが公開されている。これを実際にTensorFlowで学習するための畳み込みニューラルネットワークのモデルや関数などがtensorflow.models.image.cifar10パッケージに同梱されて
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