第2回 TensorFlow環境の構築
ご注意：本記事は、＠IT／Deep Insider編集部（デジタルアドバンテージ社）が「deepinsider.jp」というサイトから、内容を改変することなく、そのまま「＠IT」へと転載したものです。このため用字用語の統一ルールなどは＠ITのそれとは一致しません。あらかじめご了承ください。 本稿のゴール TensorFlowはPythonパッケージとして提供されるため、基本的にはPythonが動作する環境であればインストールして利用可能である。機械学習では試行の繰り返しが必要不可欠であることから、データサイエンティストはJupyter Notebookを好んで利用するようだ。本稿では、TensorFlowをJupyter Notebookで利用できることをゴールとして説明する*1。 プラットフォームの選択 OS 本稿では、以下のOSについて動作確認を行っている。 Windows 10 Ho
「TensorFlow.js」公開、Webブラウザ上で機械学習の開発、学習、実行が可能に。WebGL経由でGPUも活用
「TensorFlow.js」公開、Webブラウザ上で機械学習の開発、学習、実行が可能に。WebGL経由でGPUも活用 TensorFlow.jsの基となったオリジナルの「TensorFlow」は、Googleが開発しオープンソースとして公開されている機械学習ライブラリです。Windows、Mac、Linuxなどに対応し、Python、C＋＋、Java、Goなどに対応したAPIを備えています。 今回発表されたTensorFlow.jsはそのJavaScript版で、Webブラウザ上で実行可能。TensforFlow.jsのAPIはオリジナルTensorFlowのPython APIのすべてをサポートしているわけではありませんが、似た設計となっており、機械学習のモデルの構築、学習、学習済みモデルの実行が可能なほか、学習済みモデルのインポートも可能。 WebGLを通じてGPUを利用した処理の高
グーグル、「TensorFlow Lite」開発者プレビュー発表--モバイルや組み込み端末向け
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 Googleは米国時間11月14日、「TensorFlow Lite」の開発者プレビュー版を発表した。TensorFlow Liteは「TensorFlow」の軽量版で、モバイルデバイスおよび組み込みデバイス向けだ。 TensorFlow Liteは、デバイス上での機械学習モデルの推論を低遅延で実現するほか、「Android」や「iOS」をはじめとするさまざまなプラットフォーム上で動作するよう設計されたランタイムを採用している。さらに、モデルの読み込み時間が大幅に改善され、ハードウェアアクセラレーションに対応するなど、モバイルデバイス向けに最適化されており、高速化を実現している。 Googleによると、現在では、機械学習ワークロードをよ
TensorFlowで顔検出器を自作する - すぎゃーんメモ
19日に行われた Kyoto.なんか #3 で発表・デモをさせていただいた内容まとめです。 はじめに: 検出器の重要性 アイドル顔識別 をずっとやっている中で、顔の識別・分類(Classification)はCNNを使って出来ているけれど まだ上手く出来ていない別のタスクがあって。 それが画像内からの顔領域の検出 (Detection, Localization)。 「画像内に写っている人物が誰であるか」を識別するためには、まずはその画像に写っている「顔」を検出する必要がある。 その検出された顔それぞれについて分類器にかけて「この顔は○○さん」「この顔は××さん」と分類していくことになるわけで。 分類器に与える入力画像を切り抜いて抽出するのにもまず顔領域を検出する必要があるし、その分類器を学習させるためのデータセットも、様々な画像から顔領域を検出して切り抜いてそれぞれに対してラベル付けする
米IBM、機械学習ソフトウエア群「PowerAI」でGoogleの「TensorFlow」をサポート
米IBMは現地時間2017年1月26日、ディープラーニングソフトウエアツール群「IBM PowerAI」でサポートするフレームワークとして、米Googleの「TensorFlow」を追加すると発表した。 PowerAIは主要なディープラーニング用フレームワークをパッケージ化して提供するもの。米NVIDIAの高速接続技術「NVLink」を実装した「IBM POWER8」と「NVIDIA Tesla P100 GPU」を組み合わせた高性能コンピューティング（HPC）サーバー「IBM Power System S822LC for HPC」で動作するよう設計されている。 TensorFlowは、Googleが2015年11月にオープンソースソフトウエア（OSS）として公開した機械学習ライブラリ。コンピュータビジョンから音声認識やテキスト解析などさまざまなディープラーニングのタスクに関心のある企業
TensorFlow 各環境でのCPU / GPUベンチマーク結果 (ラズパイ4追加) - Qiita
Raspberry Pi4 追加 7/7/2019 TensorFlow1.5 最適化済みバイナリ効果検証, Mac Pro追加 2/6/2018 GeForce GTX1080 Ti の検証 10/3/2017 MacBook Pro Core i7 の検証 10/1/2017 Amazon EC2 / Microsoft Azure 環境の検証 9/17/2017 TensorFlow 1.0/XLA での導入効果 仮検証 2/24/2017 CPU / GPU 性能やOSによる違い検証 1/19/2017 Windows環境下 (正式版 / docker / bash on Ubuntu) での違い検証 1/19/2017 TensorFlowのmnistでの CPU / GPU 計算速度について自分の実測値を載せておきます。5000回のトレーニングにかかった時間です。3回の計測値の
深層学習とTensorFlow入門
3. 3 普段やっていること データマイニング案件の受託開発 データ整形〜実行環境におけるPDCAまで 2017/9/19 Singularity Copyright 2016 Singularity Inc. All rights reserved 要件定義及 びデータ項 目確認 設計 実験計画 データセット準備 モデ ル 実 装 学習・評価＆ チューニング 論文調査 手法選定 データ選定 インフラ設計 根幹に関わる部分なので慎重に 行う必要がある。 データセット収集 データセット作成 データ前処理 読込プログラム作成 経験上かなりの時間が 取られる 学習 評価 パラメータ変更 データ見直し もっとも時間がかかる フェーズ
機械学習ソフト「TensorFlow」のユーザー会が初会合、GoogleのAI研究者が熱弁
米グーグル発の機械学習・ディープラーニング（深層学習）用途のソフトウエア・ライブラリー「TensorFlow（テンソルフロー）」の日本におけるユーザー会である「TensorFlow User Group（TFUG）」は2016年10月12日夜、東京・六本木のグーグル日本法人オフィス内の食堂で、初めての会合を開いた。 オープンソースのTensorFlowは、Pythonなどのプログラミング言語とクラウド上の計算機環境を使って比較的簡単に動かせる。日本国内でも活用事例が増えつつある（関連記事：TensorFlowでトンネル岩盤評価、地質専門家の頭脳再現）。AI（人工知能）分野の技術者・研究者や企業の情報システム関係者ら約160人が広々とした食堂を埋め尽くし、関心の高さをうかがわせた。 写真1●米グーグルの機械学習・AI研究組織「Google Brain」創始者で、TensorFlowの開発にも
「TensorFlow はじめました」をはじめました！ - blog.tmp.tokyo
機械学習という言葉が最近話題になってきています。少し前に IBM 社の Watson が癌患者を救ったというニュースがありました。 www3.nhk.or.jp はい。最近はこの IBM の Watson が頑張っています。膨大な情報を読み込み，その中から最適の解を探してくるのです。人間には到底不可能な量の情報を扱うためまさに「人工知能」と言うに相応しいソリューションと言えます。 www.ibm.com うちの会社でも一部の部隊が Watson を使って何か怪しげなことをやっていますが，Watson はいかんせん「タダじゃない」のです。まあ人間の代わりに学習してより知能を高めていくのですから作った方もタダで使わせてくれるわけはありません。 ところが，世の中にはこの機械学習をタダで試してみることができるものも存在するのです。 我らが Google ! そうです。世界トップクラスの IT 企業
TensorFlowを使った為替(FX)のトレードシステムを作るチュートリアル ～システムのセットアップからトレードまで～ - Qiita
TensorFlowを使った為替(FX)のトレードシステムを作るチュートリアル ～システムのセットアップからトレードまで～機械学習システムトレードTensorFlowjiji 機械学習ライブラリ「TensorFlow」と、オープンソースのシステムトレードフレームワーク「Jiji」を組み合わせて、機械学習を使った為替(FX)のトレードシステムを作るチュートリアルです。 システムのセットアップからはじめて、機械学習モデルの作成、トレーニング、それを使って実際にトレードを行うところまで、具体例を交えて解説します。 システム構成 次のようなシステムを作ります。 Jijiのバックテスト機能を使ってトレードデータを収集。これをTensorFlowに入力してモデルをトレーニングします。 予測する内容については後述。 訓練したモデルを使って予測結果を返すREST APIを作り、トレード時にJijiから呼び
TensorFlowで顔識別モデルに最適化した入力画像を生成する - すぎゃーんメモ
動機 elix-tech.github.io の記事を読んで、「可視化」の項が面白いなーと思って。 引用されている図によると、人間の目にはまったく出力クラスとは関係なさそうに見える画像でもCNNによる分類器は騙されてしまう、ということのようだ。 なるほど分類モデルの方を固定しておいて入力を変数として最適化していけば任意の出力に最適な入力を得ることができるのか、と。 自分でもやってみることにした。 分類モデル TensorFlowによるDeep Learningでのアイドル顔識別モデルの性能評価と実験 - すぎゃーんメモ の記事で使ったモデルとデータセットで、ここではCross Validation用にデータを分けずに7,200件すべてを学習に使い20,000 step進めたものを用意した。 このモデルは学習したアイドルたちの顔画像に対してはかなりハッキリと分類できるようになっていて、試しに
技術書典に参加したら出版社から販売することになった
このエントリには続報があります。 【続】技術書典に参加したら出版社から販売することになった 再販情報 技術書典で頒布した「TensorFlowはじめました」について、このたび、インプレスR&D社さんからPOD(Print On Demand)と電子書籍（リフロー）として販売できる運びとなりました。 タイトル TensorFlowはじめました 実践！最新Googleマシンラーニング POD(Print On Demand)または電子書籍での販売になります。一般書店では手に入りませんのでご注意ください。 また、具体的なページ数や販売価格などは現在調整中です。 今月中に予約が開始できるよう進めていますので、続報をお待ちください。 以下、6月25日に秋葉原で開催された「技術書典」の感想エントリです。 技術書典 新しい技術に出会えるお祭りです。 技術書典は、いろんな技術の普及を手伝いたいとの想いでは
[TensorFlowで株価予想] 0 - Google のサンプルコードを動かしてみる - Qiita
TensorFlowで株価予想シリーズ 0 - Google のサンプルコードを動かしてみる 1 - 終値が始値よりも高くなるかで判定してみる 2 - 日経平均225銘柄の株価予想正解率ランキング〜 3 - 日本3506銘柄の株価予想ランキング 4 - 実際に売買したら儲かるのかシミュレーションしてみる 5 - 大きく上がると予想されたときだけ買ってみるシミュレーション 6 - 学習データの項目を増やす！隠れ層のサイズも増やす！ 7 - 株価が何%上昇すると予測したら買えばいいのか？ 8 - どの銘柄を買うか 9 - 年利6.79% 前置き 猫も杓子もディープラーニングディープラーニング。なにそれ美味いの？ って感じだけど、 2015年末に Google が書いた 「Machine Learning with Financial Time Series Data on Google Clo
![[TensorFlowで株価予想] 0 - Google のサンプルコードを動かしてみる - Qiita](https://cdn-ak-scissors.b.st-hatena.com/image/square/e66fb33cd90d527a45952821fb461ba298d2aa3d/height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fcdn.qiita.com%252Fassets%252Fpublic%252Farticle-ogp-background-412672c5f0600ab9a64263b751f1bc81.png%3Fixlib%3Drb-4.0.0%26w%3D1200%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTk3MiZoPTM3OCZ0eHQ9JTVCVGVuc29yRmxvdyVFMyU4MSVBNyVFNiVBMCVBQSVFNCVCRSVBMSVFNCVCQSU4OCVFNiU4MyVCMyU1RCUyMDAlMjAtJTIwR29vZ2xlJTIwJUUzJTgxJUFFJUUzJTgyJUI1JUUzJTgzJUIzJUUzJTgzJTk3JUUzJTgzJUFCJUUzJTgyJUIzJUUzJTgzJUJDJUUzJTgzJTg5JUUzJTgyJTkyJUU1JThCJTk1JUUzJTgxJThCJUUzJTgxJTk3JUUzJTgxJUE2JUUzJTgxJUJGJUUzJTgyJThCJnR4dC1hbGlnbj1sZWZ0JTJDdG9wJnR4dC1jb2xvcj0lMjMyMTIxMjEmdHh0LWZvbnQ9SGlyYWdpbm8lMjBTYW5zJTIwVzYmdHh0LXNpemU9NTYmcz1jYjJjYWFkYmNhMjIyNzYzZmQzNzA3NTc1NDcxY2U1ZQ%26mark-x%3D142%26mark-y%3D57%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZoPTc2Jnc9NzcwJnR4dD0lNDBha2lyYWFrJnR4dC1jb2xvcj0lMjMyMTIxMjEmdHh0LWZvbnQ9SGlyYWdpbm8lMjBTYW5zJTIwVzYmdHh0LXNpemU9MzYmdHh0LWFsaWduPWxlZnQlMkN0b3Amcz0yNzkwYWU3NDM5YThkOGY5NzEyNDdjNDQzMzBiMGYyMg%26blend-x%3D142%26blend-y%3D486%26blend-mode%3Dnormal%26s%3Db53941c42ab3353f83bb5364b7b1d737)
TensorFlowで画像分類した定食たちの銀河をつくった - #daiizメモ
先日公開された Google Cloud Platform Japan 公式ブログ: Cloud Vision API でイメージの「銀河」を探索しよう を参考にしながら，自分でも可視化に挑戦してみた．記事で書かれている手順説明とGitHubで公開されているソースコードを眺めながら，可能な範囲で真似しながら作った．制作過程をざっくりまとめていく． 可視化の題材は，Cloud Vision APIではなくて，TensorFlowを使って実験を進めているConvolutional Neural Network での定食画像分類実験とした．定食分類実験については下記記事をご覧ください． 「銀河」の様子 ブラウザで3D空間を表示するためにthree.jsを使っていて，完全に初心者状態だったので予想以上にいろいろなところで躓いた．とりあえず今のところはこんな感じで触れるようになっている． 画像収集
WebエンジニアがTensorFlowで機械学習に入門しながら顔識別アプリを作ってみた / 2016-05-20 Machine Learning Kotohajime
https://78b88514d287ef16c8a41cdbf4.doorkeeper.jp/events/43887
TensorFlowによるDCGANでアイドルの顔画像生成 - すぎゃーんメモ
アイドル顔識別のためのデータ収集 をコツコツ続けて それなりに集まってきたし、これを使って別のことも…ということでDCGANを使ったDeep Learningによるアイドルの顔画像の「生成」をやってみた。 まだだいぶ歪んでいたりで あまりキレイじゃないけど…。顔画像を多く収集できているアイドル90人の顔画像からそれぞれ120件を抽出した合計10800件をもとに学習させて生成させたもの。 分類タスクとは逆方向の変換、複数のモデル定義などがあってなかなか理解が難しい部分もあったけど、作ってみるとそこまで難しくはなく、出来上がっていく過程を見るのが楽しいし とても面白い。 DCGANとは "Deep Convolutional Generative Adversarial Networks"、略してDCGAN。こちらの論文で有名になった、のかな？ [1511.06434] Unsupervise
グーグルのAI研究者による「ディープラーニング」無料教育コースがスタート ニュースイッチ by 日刊工業新聞社
ディープラーニング（深層学習）が無料で学べます！ 米グーグルは、脚光を浴びる深層学習をテーマにした3カ月間の無料オンラインコースを始めた。教育サービスをインターネット経由で提供する大規模公開オンライン講座（MOOC＝ムーク）の一つで、グーグルやフェイスブックといったテクノロジー企業と協力して講座を提供し、ネット上の「シリコンバレーの大学」とも言われる米ユダシティー（Udacity）上で提供される。世界中どこからでも英語で受講できる。 すでにグーグルは、深層学習ソフトの「テンソルフロー（TensorFlow）」を2015年11月にオープンソース化し、無償提供に踏み切っている。こうした一連の活動で、深層学習の知識や考え方を広く行き渡らせるのが目的という。 このコースは初心者向けではなく、エンジニアやデータサイエンティストなどの中上級者向け。インストラクターはグーグルの主席科学者で、「グーグル・
ディープラーニング対応の機械学習ライブラリ「TensorFlow」、分散コンピューティングでスケールアウト可能に。ニューラルネットワークの内容を可視化するツールも公開
ディープラーニング対応の機械学習ライブラリ「TensorFlow」、分散コンピューティングでスケールアウト可能に。ニューラルネットワークの内容を可視化するツールも公開 Googleはディープラーニングに対応した機械学習ライブラリの最新バージョン「TensorFlow 0.8」を公開しました。 これまでTensorFlowは1台のマシンでしか実行できませんでしたが、新バージョンからは分散コンピューティングをサポートし、何百台ものコンピュータを使って並列実行することで学習処理を高速化できるようになりました。 このTensorFlow 0.8を用いて、Inceptionモデルに対応した機会学習を分散コンピューティングで実現するのが「Distributed TensorFlow」です。 分散コンピューティングを用いて100台のGPUを投入することで、学習の速度が56倍向上したとのこと。 また、Te
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
【海外ITトピックス】 「機械学習オン・ザ・ゴー」の時代 Googleの「TensorFlow Lite」公開
Google、機械学習ライブラリ「TensorFlow 1.0」正式版を初リリース
