Preferred Networksという最高の会社に新卒入社して2年で退職しました / 人材業界 / Proposition: / ChatGPTと学ぶ中国の歴史 / Arakelov Geometry / Active Factor Investing: Hedge Funds vs. the Rest of Us / Taming the Factor Zoo / Bayesian Solu
1.VoiceFilter-Lite:オンデバイスの音声認識の改善(2/2)まとめ・VoiceFilter-Liteは使用者が自分の音声を登録しなかった場合はアプリ側で無効化できる ・音声分離モデルに発生しがちな抑制不足と抑制過剰への対処も考慮されている ・わずか2.2MBのVoiceFilter-Liteモデルで混声時の単語誤り率が25.1%向上した 2.抑制不足と抑制過剰 以下、ai.googleblog.comより「Improving On-Device Speech Recognition with VoiceFilter-Lite」の意訳です。元記事の投稿は2020年11月11日、Quan Wangさんによる投稿です。 アイキャッチ画像のクレジットはPhoto by GESPHOTOSS on Unsplash VoiceFilter-Liteはプラグアンドプレイモデルであり、使
電子カルテを処理・解釈するAIシステムへの関心が高まっている。ここでは、事前に学習させた言語モデルによる自然言語処理(NLP)がキーテクノロジーとなる。しかし、臨床言語モデルの数は限られており、臨床領域で学習させた最大の言語モデルは1億1000万パラメータ(パラメータは言語モデルの性能指標の1つ)程度と小さく、一般領域における数十億パラメータと比較すると大きく見劣りする現状があった。 数十億以上のパラメータを持つ大規模な臨床言語モデルが、医療AIシステムによる非構造化EHRの活用にどのように役立つかを明らかとするため、米フロリダ大学の研究チームは、900億語以上のテキスト(820億語以上の非識別化臨床テキストを含む)を用いた大規模臨床言語モデル「GatorTron」をゼロから開発した。研究成果は、npj Digital Medicineから26日公開された。研究中では、GatorTronに
はじめに インストール方法 使い方 Text-to-Imageの使い方 Image-to-Imageの使い方 プロンプトの形式 キャラクター編 背景編 ChatGPT編 応用編 公開にあたってのメッセージ クリエイターの方々へ ユーザの方々へ 付録 プロンプトの形式詳細 はじめに 本記事では、2023/1/3に公開する予定の画像生成AI、Cool Japan Diffusion (for learning) 2.1.0 の取り扱い方について説明します。 まず、インストール方法をざっくり説明します。 その後、使い方の説明、特にプロンプトのテンプレートを説明します。 最後に、クリエイターの方々へ、ユーザの方々へメッセージをお送りします。 なお、現在、Hugging Face上でデモを行っているので、そちらを使うのが楽です。 インストール方法 基本的には、Web UIを想定しています。 ほとんど
2022年は戦争がはじまり、時代が逆行したような年でした。我々は技術者・研究者であるので、社会的・政治的には時代が逆行しても、科学と技術を進歩させ、科学技術で社会問題を解決してきたい所存であります。 『ゼロから学ぶRust』を執筆した 2022年12月13日に講談社より『ゼロから学ぶRust』が発売されました。本書は私の2作目となります。1作目は2021年8月にオライリー・ジャパンより発売された『並行プログラミング入門』となります。どちらも好評発売中ですので、よろしくお願いいたします。 ゼロから学ぶRust システムプログラミングの基礎から線形型システムまで (KS情報科学専門書) 作者:高野 祐輝講談社Amazon並行プログラミング入門 ―Rust、C、アセンブリによる実装からのアプローチ 作者:高野 祐輝オライリージャパンAmazon 『ゼロから学ぶRust』の執筆と苦労した点 『ゼロ
はじめに NVIDIA Visual Profilerという、CUDAに関する、描画が少しリッチなProfilerがあります。 こんな感じです。 ボトルネックを解析したり、Optimizationしたりするのに有効です。 リモートマシンでInstallしておいて nvvp とすると起動して、以下のようにターミナル端末からX11とかで起動することもできますが 動作が重くなりがちなので、 nvprof でprofilingだけリモートマシンで行なって、 scp でローカルマシンに結果を飛ばして、 ローカルの NVIDIA Visual Profilerを使う という一連の流れを紹介したいと思います。 (なお、リモートマシンは nvprofが使えることを前提としてます) 公式のドキュメントはここにあります。(英語) http://docs.nvidia.com/cuda/profiler-use
はじめに 前回part5から期間が開いてしまいましたが、 Hugging Face CourseのHandling multiple sequences~Putting all togetherあたりの内容をベースに、Chapter2のまとめを行なっていきます。 モデルへの入力はバッチ処理の形式を想定 テキストをトークンに分割して数値データに変換するまでは下記のようにしてできます。 import torch from transformers import AutoTokenizer, AutoModelForSequenceClassification checkpoint = 'cl-tohoku/bert-base-japanese-whole-word-masking' # checkpointからtokenizerとmodelをロード tokenizer = AutoTokeni
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