Edge TPUを用いて,自作データセットによるClassifierの再学習(転移学習)を試してみた. Edge TPUでは,サーバで分類モデルを再学習する代わりに,ImprintingEngine APIを使用してEdge TPU上で転移学習を実行することができる. Edge TPUのImprintingEngine APIはCVPR2018で提案されたLow-shot learning with imprinted weights [1]を用いて転移学習を実現する. この手法は,再学習の際にbackwardが必要ないため,Edge TPU上で高速に再学習を実行することが出来る. Low-shot learning with imprinted weights Edge TPU APIのインストール $ wget http://storage.googleapis.com/cloud-i
PyTorchの便利な周辺ライブラリのメモ. CV系 NLP Audio 確率的プログラミング 可視化 その他 チュートリアル,入門など CV系 torchvision: コンピュータビジョンで便利なtransforms, モデル,データセットなど pytorch-semantic-segmentation: PyTorchによるセマンティックセグメンテーションモデルの実装 RoIAlign.pytorch: RoIAlignのPyTorch実装 pytorch-cnn-finetune: CNNのファインチューニング detectorch: PyTorchによるObject Detectionモデルの実装 Augmentor: データ拡張ライブラリ PyTorchCV: PyTorchベースのCV用フレームワーク imgclsmob: ImageNet学習モデル集 medicaltorc
PyTorchと,確率的プログラミングフレームワークであるPyroを用いてベイジアンニューラルネットワークを試してみる. Pyro Uber AI Labsによって開発が行われている github link blog post Pyro is a flexible, scalable deep probabilistic programming library built on PyTorch. Notably, it was designed with these principles in mind: Universal: Pyro is a universal PPL -- it can represent any computable probability distribution. Scalable: Pyro scales to large data sets with li
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