InfoQ ホームページ TensorFlow に関するすべてのコンテンツ
-
Google ML Kit SDKがオンデバイスの機械学習にフォーカス
Googleはスタンドアロンモードで動作することを目的とした新しいML Kit SDKを導入した。以前のML Kit SDKのようなFirebaseとの緊密な統合を必要としない。また、画像のラベル付けとオブジェクトの検出と追跡のために、デフォルトモデルをカスタムモデルに置き換えるための限定的なサポートも提供する。
-
SpotifyがKubeflow MLパイプライン用のTerraformモジュールをオープンソースとして公開
Spotifyは、マシンラーニングパイプラインソフトウェアのKubeflowをGoogle Kubernetes Engine(GKE)上で実行する、自社製のTerraformモジュールをオープンソースとして公開した。社内MLプラットフォームをKubeflowに切り替えることにより、運用投入までの時間を短縮すると同時に、従来のプラットフォームに比較して7倍の試験を実施できるようになった。
-
Google、TensorFlow Enterpriseのベータを提供
Googleは最近のブログ記事で、エンタープライズグレードのサポートおよびマネージドサービスを含んだクラウドベースのTensorFlow機械学習サービス、TensorFlow Enterpriseを発表した。
-
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。
-
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。
-
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。
-
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。
-
Googleはコンピュータビジョンモデルの教師なしディープラーニングのためのTensorFlow Graphicsライブラリを発表
Google I/O 2019でのプレゼンテーションで、GoogleはTensorFlow Graphicsを発表した。TensorFlow Graphicsは、コンピュータビジョンにおける教師なしの学習タスクのためのディープニューラルネットワークを構築するためのライブラリである。このライブラリには、TensorFlowで記述された3Dレンダリング機能と、非矩形メッシュベースの入力データで学習するためのツールが含まれている。
-
Googleが弱い教師（Weak Supervision）をスケールし、ラベル付きデータセットの問題を克服
Googleは、機械学習（ML）におけるラベル付きデータの必要性が重大なボトルネックであることを認識しており、最近ではオープンソースのSnorkelフレームワークを大規模化の問題を解決するために採用した。GoogleはSnorkelをTensorflowと統合することで強化した。そこでは、データを共有するためにデータベースの代わりにファイルシステムを使用し、ラベル付け機能のために別々の実行ファイルを作成する。
-
GoogleがML Kitを拡張し、Smart Reply���Language Identificationを追加
最近のAndroidブログ記事で、GoogleはML Kit向けの2つの新しい自然言語処理（NLP）機能のリリースを発表した。言語識別とスマートリプライである。どちらも、Googleは、開発者がテキスト、会話、その他の種類の自然言語テキストを分析および生成するのに役立つ、ドメインに依存しないAPIを提供している。
-
機微データを保護するための新しい機械学習ライブラリ、TensorFlow Privacyの紹介
最近のブログ記事で、TensorFlowはTensorFlow Privacyを発表した。これは、研究者や開発者が強力なプライバシーを持つ機械学習モデルを構築できるようにするオープンソースライブラリである。このライブラリによって、強力な数学的保証に基づいて、トレーニングプロセスでユーザデータが記憶されないよう保証される。
-
大規模ディープラーニングモデルの迅速なトレーニングのためにGoogleがオープンソースとして提供するGPipeライブラリ
Google AIは、大規模なディープラーニングモデルのトレーニングを迅速化するためのTensorFlowライブラリであるGPipeをオープンソース化している。