InfoQ ホームページ TensorFlow に関するすべてのコンテンツ
-
TensorSpace.jsがニューラルネットワークの3D可視化フレームワークを提供
TensorSpace.jsはオープンソースの、ブラウザベースのニューラルネットワークデータ可視化フレームワークだ。TensorFlow.js、Keras、またはTensorFlowで生成されたトレーニング済みモデルをサポートすることにより、拡大を続けるマシンラーニングの適用分野を補完する。
-
face-api.js: TensorFlow.jsを活用したJavaScriptによる顔認識
face-api.jsはブラウザにおける顔検出および顔認識のためのJavaScript APIで、tensorflow.js core API上に実装されている。これは一連のCNNを実装し、Webとモバイル機器に最適化されている。
-
ブラウザ上でディープラーニングを可能にするTensorflow.js
Googleは先日のTensorFlow Dev Summit 2018で、オープンソースのTensorflowディープラーニングフレームワークのJavaScript実装であるTensorflow.jsをローンチした。WebGL JavaScript APIの高速演算を活用して、ブラウザ内でモデルを直接トレーニングすることが可能だ。
-
Booking.comは機械学習のためにどのようにKubernetesを使っているか
Sahil Dua氏はQCon Londonカンファレンスで、Booking.comがKubernetesを使用して顧客に目的地と宿泊施設を推薦するための機械学習（ML）モデルをどのように拡張できるかを説明した。特に、コンテナ上のKubernetesの伸縮性や資源不足回避が、いかに計算（およびデータ）集約的で、並列化が困難な機械学習モデルを実行する助けになっているかを強調した。
-
物体検出のためのディープラーニングライブラリで、Facebookがオープンソースで提供するDetectron
FacebookやGoogleから最近、最新のディープラーニングアルゴリズムの実装がリリースされており、それによって困難な問題であるマシンオブジェクトの検出に取り組むことができる。
-
Kubecon 2017より - GoogleのDavid Aronchick氏に聞く、マシンラーニングとKubernetesに関するQ&A
InfoQは今回、Googleのプロダクトマネージャで、KubeflowのコントリビュータであるDavid Aronchick氏から、Kubecon 2017で学んだKubernetesとマシンラーニングのシナジについて話を聞くことができた。
-
2018年のマシンラーニングと人工知能
IEEEは毎年、次年度のテクノロジトレンドのトップ10を発表している。2018年のリストには、人工知能とマシンラーニングに関する複数のトピックがあげられた。IEEEが選んだ2018年の最もホットなトレンドは、ディープラーニングだ。
-
Kubernetesによる最新のビッグデータパイプライン
Kubernetesのなどのコンテナ管理技術は、最新のビッグデータパイプラインの実装を可能にする。IguazioのビッグデータアーキテクトであるErian Bivas氏は、先日のKubeCon + CloudNativeCon North America 2017 Conferenceで、ビッグデータパイプラインとその開発におけるKubernetesのメリットについて講演した。
-
TensorFlowとKubernetesでGPUを利用したワークフローを構築する
Daniel Whitenack氏は先日のKubeCon + CloudNativeCon North America 2017 Conferenceで、TensorFlowとKubernetesテクノロジを使用した、GPUベースのディープラーニングワークフローについて講演し、オープンソースのデータパイプラインフレームワークのPachydermを紹介した。
-
Tensorflowバージョン1.3の変更概要
バージョン1.2.1がリリースされてから、一ヶ月しか経っていないが、数多くの変更を含むバージョン1.3が登場する。開発者は、広範囲にわたるリリースレポートをGithubのTensorflowページにて見ることができる。この記事は、Tensorflow1.3のアップグレード前後において、開発者が知るべき重要な変更リストとなる。
-
TensorFlow Serving 1.0リリースの詳細がGoogle I/Oで公開
GoogleのNoah Fiedel氏がTensorFlow Serving 1.0安定版リリースの新しいプログラミングモデルについて詳説する。主題は移植性、サービス性(servablility)、再現性の改善による、共通的な課題への対処である。
-
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。