InfoQ ホームページ Deep+Learning に関するすべてのコンテンツ
-
GoogleがTensorFlowのためのTensor2Tensorを発表
Google Brainチームは、TensorFlowワークフローコンポーネントをモジュール化するためのユーティリティとラッパーのセットであるTensor2Tensorをオープンソース化した。それは、TensorFlowベースのディープニューラルネットワークプログラムのための移植性と再現性の高い環境を作成するためである。
-
GoogleがFacetsをリリース
Googleが、機械学習サイエンティスト向けデータビジュアライゼーションツールFacetsをオープンソース化した。 Facetsの目的は、巨大なデータセットを理解し解釈できるようにすることだ。Facetsは、開発者が巨大なデータセットに含まれるニュアンスや知見を見つける手助けをする。
-
Google、MobileNetsをリリース
Googleは、携帯電話向けに事前トレーニングしたコンピュータビジョンモデルをTensorflow Githubリポジトリにリリースした。パラメータ数、1画像を処理するための計算、精度が異なる複数のモデルが用意されており、開発者は自分のアプリケーションに合わせて、精度と消費電力をトレードオフすることができる。
-
Enterprise Conference 2017に見る新たなテクノロジ - 第2日目まとめ
第12回Emerging Technologies for the Enterprise Conferenceカンファレンスの第2日がフィラデルフィアで開催された。この2日間のイベントは、Blair MacIntyre氏(拡張現実の第一人者)とScott Hanselman氏(ポッドキャスタ、Microsoftプリンシパル・プログラムマネージャ)の基調講演に始まり、Kyle Daigle(GitHubエンジニアリングマネージャ)、Holden Karau(IBMプリンシパル・ソフトウェアエンジニア)、Karen Kinnear(Oracle JVMテクニカルリーダ)各氏による講演が行われた。
-
TensorFlow Processor Unitアーキテクチャ
TensorFlow Processor Unitアーキテクチャの設計と開発を行なったGoogleのハードウェアチームが、今月初め、そのアーキテクチャの詳細とベンチマークテストを公開した。昨年の同時期に公開された、TPUの最初の発表に対する続報となるものだ。
-
Googleが携帯電話向けニューラルネットワークライブラリTensorflow Liteを発表
Googleのエンジニアリング担当VP、Dave Burke氏が、携帯電話に最適化されたTensorflowの新バージョンを発表した。 この新ライブラリはTensorflow Liteと呼ばれ、開発者がユーザーの携帯電話上で、AIアプリケーションをリアルタイムに実行することを可能にする。このライブラリは「最先端技術を可能にしながら、高速で小さくなるように設計されている」。
-
Amazon LexおよびPollyディープラーニング技術を用いたバーチャルアシスタントアプリの開発
OSCON 2017 Conferenceにおいて、AmazonのGreg Bulmash氏が、Amazon LexおよびPollyを用いた独自のバーチャルアシスタントアプリケーションの開発に��いて語った
-
Googleのコグニティブへの投資：Cloud Speech APIが一般利用可能レベルに到達
最近のブログ投稿において、Googleは自身のCloud Speech APIが一般利用可能(GA)となったことを発表した。このCloud Speech APIにより、開発者は動的な翻訳に加え、動画、画像、そしてテキストの解析のような、認識処理のための訓練済み機械学習を利用可能になった。Cloud Speech APIは昨年の夏にオープンβの形で開始された。
-
ディープラーニング技術を使用してIBMは音声認識で新たなマイルストーンを達成
IBMの調査チームは最近、SWITCHBOARD言語コーパスを使用して、5.5％の単語誤り率で音声認識における新たな業界記録に達したことを発表した。これは、人の誤認率と言われる5.1％に近づいている。彼らはこのマイルストーンを達成するためにディープラーニング技術と音響モデルを使用した。
-
TensorFlow 1.0がリリース
Googleは最近、TensorFlowバージョン1.0を発表した。 Python APIは現在安定しており、JavaとGoの実験的なAPIが追加されている。XLAによって、パフォーマンスが劇的に向上する。Kerasは、ビルドインモジュールを使用してTensorFlowと統合することもできる。tf.transform、tf.layers、tf.metrics、tf.lossesの全てが、フレームワークに新機能として追加されている。
-
Giltのディープラーニング応用
ディープラーニングはニューラルネットワークを起源として，マシンラーニングの中で急速に進化しているサブフィールドだ。最近のアルゴリズム的な進歩とGPUによる並列化の活用は，囲碁のようなゲームをマスタするだけでなく，ディープラーニングをベースとしたアルゴリズムによる実用的なアプリケーションをいくつも実現している。 ファッション業界はその対象分野のひとつだ。 Giltは実用的なアプリケーションとしてディープラーニングを利用している。
-
Android ThingsはTensorFlowベースの機械学習とコンピュータビジョンをIoTデバイスにもたらす
最近リリースされたAndroid ThingsのDeveloper Preview 2 (DP2) では、IoTデバイスにおける機械学習とコンピュータビジョンにTensorFlowが簡単に使えるようになった。加えて、いくつかのIoTプラットフォーム向けにUSBオーディオのサポートが拡張され、Intel Jouleのサポートも追加された。また、新しいNative PIO APIを通じて、ネイティブドライバを直接使えるようになった。
-
Spark Summit EUのハイライト - TensorFlow, 構造化ストリーミング，GPUハードウェアアクセラレーション
Apache SparkとディープラーニングライブラリTensorFlowとの統合，構造化ストリーミング(Structured Streaming)とGPUハードウェアアクセラレーションを使用したオンラインラーニング – この２つが，先週ブリュッセルで開催されたSpark Summit EU 2016のハイライトだ。
-
GoogleがAlloのレコメンデーショングラフ処理アルゴリズムを公表
Googleは，さまざまな複雑性空間と予測出力を持つ大規模なグラフに対して，実行時間の一定なグラフストリーミングアルゴリズムを詳説した。
-
Googleが画像キャプションの機械学習モデルをTensorFlowに移行，オープンソース公開へ
TensorFlowが機械学習とデータ科学の分野でその採用を拡げつつある。既存の学習モデルやエンジンがパフォーマンス向上を目的として既存のフレームワークから移植される例も多く，オープンソースプロジェクトとしての採用と成功にも拍車がかかっている。