InfoQ ホームページ Deep+Learning に関するすべてのコンテンツ
-
PyTorchとTensorFlow - 学界と産業界で有力なMLフレームワークはどちらか
The Gradientで先日、2019年の機械学習フレームワークの現状について調査した記事が公開された。その記事は、PyTorchが急速に研究の主要なフレームワークになりつつあるのに対し、TensorFlowが依然として業界の主要アプリケーションフレームワークであると、いくつかの指標を用いて主張する。本記事では、それらの違いについて詳しく説明する。
-
FacebookとMicrosoftがパートナとともにDeepfake Detection Challengeを発表
Facebook、Microsoft、Partnership on AIは、大学の研究者らと共に、AIで生成した事実でないイメージやビデオを検出可能なAIを開発するコンテストとして、Deepfake Detection Challenge(DDC)を立ち上げた。提案された課題は、DDCの提供するリアルとフェイクの両方のビデオによるデータセットを使用するもので、最高のAIソリューションを構築したチームには表彰と賞金の提供が行われる。
-
Agile Igniteを使用した継続的ディープラーニング - Denis Magda氏の講演より
先日のApacheCon North Americaで、Denis Magda氏が、インメモリデータグリッドのApache Igniteを使用した継続的マシンラーニング(continuous machine learning)について講演した。Igniteは、データを格納した同じクラスタ内でトレーニングとホストモデルを実行することで、マシンラーニングパイプラインを簡素化すると同時に、新たなデータが利用可能になった時に"オンライン"トレーニングを実行して、モデルを漸進的に改善することもできる。
-
Waymoがマシンラーニング用に自動運転車データセットを公開
自動運転テクノロジ企業のWaymoは、5時間以上の運転中に自動運転車が収集したセンサデータを含むデータセットをリリースした。このセットには、いくつかの都市と郊外の環境において、さまざまな運転条件下で収集されたLIDAR(レーザレーダ)およびカメラセンサの高解像度データと、車両、歩行者、自転車、標識のラベルが含まれている。
-
FacebookがDLRM(Deep-Learning Recommendation Model)をオープンソース公開
Facebook AI Researchは、パーソナライズされたレコメンデーションの生成において最先端の精度を実現するDLRM(deep-learning recommendation model)を、オープンソースとしてリリースすると発表した。GitHubから入手可能なコードには、PyTorchおよびCaffe2フレームワーク用のバージョンが含まれている。
-
AWSがDeep Learning AMIおよびAIサービスのSageMakerとRekognitionを強化
Amazon Web Services (AWS)は、Deep Learning仮想マシンイメージのアップデートと、AIサービスSageMaker Ground TruthとRekognitionの改善を発表した。
-
GoogleがTensorFlow Lite向けにトレーニング後の整数量子化をリリース
Googleは、モデルのサイズと推論の待機時間を削減するTensorFlow Liteディープラーニングフレームワーク向けの新しいツールを発表した。このツールは、トレーニング済みモデルの重みを浮動小数点表現から8ビット符号付き整数に変換する。これにより、モデルのメモリ要件が低減され、浮動小数点アクセラレーターを必要とせず、そして、モデルの品質を犠牲にすることなく、モデルをハードウェアで実行できる。
-
Googleが自然言語処理用のTensorFlow.Textライブラリをリリース
Googleは、TensorFlowディープラーニングプラットフォーム用の新しいテキスト処理ライブラリであるTensorFlow.Textをリリースした。このライブラリにより、トークン化などのいくつかの一般的なテキスト前処理アクティビティをTensorFlowグラフ計算システムで処理できるようになり、自然言語処理のためのディープラーニングモデルの一貫性と移植性が向上する。
-
Googleがベータ版でディープラーニングコンテナをリリース
Googleは最近のブログ投稿で、Deep Learning Containersを発表した。これにより、顧客はMachine Learningプロジェクトをより迅速に実行できるようになった。ディープラーニングは、パフォーマンスが最適化された多数のDockerコンテナーで構成されており、既にインストールされているディープラーニングタスクに必要なさまざまなツールが付属している。
-
Googleが深度認識のトレーニングにマネキンチャレンジのビデオを使用
Google AI Researchは、2次元画像から奥行きを知覚する研究を解説した論文を発表した 。マネキンチャレンジのYouTubeビデオから作成したトレーニング用データセットを使って、研究者たちは、移動するカメラで撮影した動く人々のビデオから深度情報を再構築することのできる、ニューラルネットワークをトレーニングした。
-
MITの研究者がAutoML可視化ツールであるATMSeerをオープンソース化
MIT、香港大学、浙江大学の研究チームは、自動機械学習プロセスを視覚化して制御するためのツールであるATMSeerをオープンソース化した。
-
GoogleのクラウドTPU V2およびV3ポッドが公に入手可能なベータ版となった
最近、Googleは、第2世代および第3世代のCloud Tensor Processing Unit（TPU）Pod（最大1,000台のカスタムTPUを搭載したスケーラブルなクラウドベースのスーパーコンピュータ）が公に入手可能なベータ版となったことを発表した。これらのPodを使用して、Machine Learning（ML）の研究者、エンジニア、データサイエンティストは、機械学習モデルのトレーニングとデプロイに必要な時間を短縮できる。
-
Xipeng Shen博士によるディープラーニングのトレーニング時間を短縮する新技術
ノースカロライナ州立大学の研究者らが先日の35th IEEE International Conference on Data Engineering (ICDE 2019)で、ディープニューラルネットワークのトレーニング時間を最大69％短縮可能な新手法について論文を発���した。
-
PyTorch 1.1がリリース -パフォーマンスを改善し、新たなAPIとツールを提供
Facebook AI ResearchがPyTorch 1.1のリリースを発表した。このオープンソースのディープラーニングフレームワークの最新版では、分散トレーニング、新API、TensorBoardのネイティブサポートを含む新たな視覚化ツール、などによってパフォーマンスが向上している。
-
TensorFlow.jsマシンラーニングライブラリを使って、Chrome Dinosaur Gameのプレー方法をコンピュータに教える
単純だが面白く、マシンラーニングの教育目的に適したアプリケーションが、先日、FritzのHeartBeat Mediumで公開された。ブラウザ内でGoogleのTensorFlow.jsマシンラーニングライブラリを活用して、Chrome Dinosaur Gameのプレー方法をコンピュータに教える、というものだ。