5. 5 目録 ◼ 私の失敗体験談(不均衡データの学習) ◼ 機械学習開発における壁 • 機械学習のビジネスフレームワーク「5D」 • Define(定義する) • Data(データを集める) • Development(開発する) • Deploy(実装する) • Drive(運用する) ◼ ビジネス応用における壁 • AIを使ったキュウリの自動選別 • 機械学習を使って売り上げに貢献する • 機械学習を使わない選択肢 ◼ まとめ 6. 6 目録 ◼ 私の失敗体験談(不均衡データの学習) ◼ 機械学習開発における壁 • 機械学習のビジネスフレームワーク「5D」 • Define(定義する) • Data(データを集める) • Development(開発する) • Deploy(実装する) • Drive(運用する) ◼ ビジネス応用における壁 • AIを使ったキュウリの自動選別 • 機
この記事について Edge AIではリアルタイム性が求められることが多いです。 高負荷なDeep Learning演算をエッジで行うため、最近は多くのEdge AIアクセラレータがリリースされています。 個人でも手に入る有名どころでは、Edge TPUやMovidius NCS、Jetson Nanoがあります。 今後もこの流れは続いていくと思います。 これらのデバイスメーカーや、個人のサイトでは速度性能のベンチマークを記載したり比較しています。 その際に、自分が見ている数字は何の速度なのか? 自分は何の速度を知りたいのか? をちゃんと理解しましょう、という内容です。 要約 Deep Learningに関する速度性能として、主に以下の3つが考えられると思います FLOPS (TOPS) ハードウェアとしてのスペック性能 推論時間 AIアクセラレータが有効なのは、基本的にはこの部分のみです
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