TensorFlow HPC / AWS・GCE サービス | TensorFlow 応用 | コンサルティング

TensorFlow で AutoEncoder

AutoEncoder は普通の多層 NN を用いますが、教師なし学習で、encode/decode 層を用意して入力サンプル・データと同じ出力が得られるように訓練します。言い換えれば、入力サンプル・データと同じパターンが復号(再構築)できれば特徴を上手くつかまえた隠れ層が得られることになります。特徴を上手くつかまえたまま次元削減ができるとも言えます。[詳細] (09/22/16)

autoencoder_mnist_gray_5epochs2b

 

TensorFlow 0.10.0 リリース

TensorFlow 0.10.0 が利用可能になりましたので Release Note を翻訳しておきました。キー・フィーチャーは iOS build/Mac GPU サポートの追加ですが、C/C++ によるグラフ構築が改良され、(inception モデルで局所的に使われていた)TF-Slim も利用可能になっています。[詳細] (09/20/16)

 

TensorFlow でインターネット・ムービー消費者感情分析

imdb_all_loss3TensorFlow の RNN モデルでセンチメント分析を行なってみました。映画の review データベースを利用して評価分類を行ないます。定番モデル LSTM/GRU に加えて bidirectional-RNN も試してみました。[詳細] (09/19/16)

 

TensorFlow でビデオゲーム攻略 (1) パックマン (DQN : Deep Q-Network の実装)

DeepMind 社で有名になった、DQN (Deep Q-Network) の利用によるビデオゲームの攻略を TensorFlow で実装してみました。
DQN は(強化学習の)Q 学習に深層学習をミックスインしたものです。[詳細] (09/03/16)

 

TensorFlow でビデオゲーム攻略 (2) スペースインベーダ (Double Q-Learning の実装 の実装)

sinvaders1010 Async-DQN をパックマンの攻略で試していますが、今回は DeepMind の Double Q-Learning をベースにスペースインベーダの攻略をしてみました。

通常の Q 学習アルゴリズムはある条件下では行動価値を過大評価することが知られていますが、最近の DQN アルゴリズムが Atari の幾つかのゲームで本質的な過大評価の害を受けることも分かっています。Double Q-learning アルゴリズムは観測される過大評価を減じるだけでなく、幾つかのゲームでより良いパフォーマンスにつながるとのことです。 [詳細] (09/15/16)

 

TensorFlow による自動車のナンバープレート認識

car_nplateTensorFlow による自動車のナンバープレートの認識を試してみました。目標は CNN モデルを使い、ナンバープレートが写りこんだ自動車の静止画像からナンバープレートの位置を特定してナンバーを認識することです。[詳細] (09/10/2016)

 

TensorFlow による AlexNet の実装

TensorFlow の具体的な応用として、有名な深層 CNN モデルである AlexNet を実装してみました。題材は17種/5種の花の分類で、それぞれ 75%/80% 程度の精度が得られました。[ 詳細 ] (08/20/16)

tf_alexnet_flowers17_loss2

alexnet_imagenet_5flowers_accuracy
tfnet2_alexnet
 

正弦波 (sine wave) の RNN (LSTM) による予測の TensorFlow による実装

定番ですが、正弦波(sin 波)の RNN による予測を TensorFlow で簡単に実装してみました。普通の回帰と異なるのは、履歴シークエンスから次の値を予測することです。LSTM 3層 + FC 層のモデルで試してみました。[詳細] (09/17/16)

 

TensorFlow による RNN 言語モデルの実装

RNN の有名な Character-Level 言語モデルを実装してみました。歴史書のテキストで訓練して文章を生成する簡単なモデルです。RNN, LSTM そして GRU で試したところ、GRU モデルが比較的良い結果が得られました。[詳細] (09/08/16)

 

TensorFlow Android アプリ

cifar10.cat2
TensorFlow では訓練したモデルを簡単に Android アプリとして組み込むことができます。
簡単なデモを幾つか作成してみました。
実機は Xperia Z5 / Android 5.1 (Lollipop) です。

TensorFlow Android デモ(CIFAR-10 モデル)
TensorFlow の CIFAR-10 モデルを Android に組み込んでみました。
CIFAR-10 は、「飛行機、自動車、鳥、猫、鹿、犬、蛙、馬、船、トラック」の画像を分類する課題です。

10 万ステップの訓練で精度は 86 % 程度まで高めてあります。

画像はクラスキャットのマスコットの “猫” を認識させてみたところです。選択肢が確率の高い順から3つ出ていますが、”猫” の確率が高く認識されています。ただし、蛙や鹿の確率も意外に高いですね。

TensorFlow Android デモ(MNIST モデル)
TensorFlow のチュートリアルでは MNIST が繰り返し使われています。
せっかくなので、訓練したモデルを Android に組み込んでみました。(画像左)

画像は手書き数字の “4” を認識させてみたところです。選択肢が確率の高い順から3つ出ていますが、この場合は “4” の確率が断トツに高く、正しく認識されているようですね。

TensorFlow Android デモ(Inception モデル)
TensorFlow には Android 用の一般物体認識デモも用意されています。Google フォトでも使われている、機械学習モデル「Inception」の簡易版が利用可能です。(画像右)

画像はコーラのペットボトルを認識させてみたところで、ポップ・ボトル : 0.469、ビール・ボトル : 0.319 と確率付きでほぼ正しく認識されました。

mnist4.small

bottle.540x960
 

TensorFlow Playground 日本語化デモ

cc_playground.800
TensorFlow Playground 日本語化デモ公開
ニューラルネットワークの動作がブラウザで簡単に楽しめる、
TensorFow Playground を日本語化して公開致しました。

学習率、活性化関数そして L1/L2 正則化まで指定できてビジュアルに楽しめる優れものです。ご自由にお試しください。

TensorFlow AWS マネージドサービス

TensorFlow on AWS マネージドサービスクラスキャットは、米 Google 社によりオープンソース化された TensorFlow™ が AWS で手軽に利用可能な、GPU 対応の高速深層学習マネージドサービス「ClassCat® Deep Learning Service」を好評提供中です。– 掲載記事 : ZDNet Japan @IT (atmarkIT)
 
AWS G2 インスタンス(GPU 標準装備)を利用した、All-in-One のマネージドサービスですから手軽に簡単に利用できます。日本語ドキュメントが提供され、サポート・オプションで技術コンサルティング・サービスの利用も可能です。

深層学習 & TensorFlow

深層学習は機械学習の一分野で多層構造な深層ニューラルネットワーク (DNN = Deep Neural Network) における最新の学習手法です。深層学習は分類問題をはじめ、機械学習全般の問題に役立つとされていますが、主として画像認識や音声認識などで強力なパターン認識力を持つことが実証され、大きな注目を浴びています。

本サービスでは、深層学習に特化したフレームワーク TensorFlow を GPU の利用により高速化を図ったマネージドサービスとして AWS で提供致します。

 

TensorFlow の特徴

TensorFlow は幾つもの優れた特徴を持っています。

深い柔軟性

TensorFlow は硬直したニューラルネットワーク・ライブラリではありません。貴方の計算がデータフローグラフとして表現できるのであれば TensorFlow が利用できるでしょう。グラフを構築し、計算を駆動する内部ループを書くことができます。ニューラルネットワークに共通なサブグラフを集める有用なツールを提供していますが、ユーザは TensorFlow 上に自身の高レベルなライブラリを書くこともできます。

真のポータビリティ

TensorFlow は CPU あるいは GPU で動作し、デスクトップ、サーバあるいはモバイル環境で動作します。TensorFlow はラップトップ上で機械学習のアイデアで試すことができますし、スケールアップの準備ができれば TensorFlow は GPU 上でコード変更なしにそのモデルをより速く学習させることもできます。TensorFlow は学習したモデルをあなたの製品の一部としてモバイルに配備することもできます。

研究と製品の連結

機械学習のアイデアを研究から製品に移行する際に大きな書き直しを必要とする日々は過去のものです。研究科学者は新しいアルゴリズムを TensorFlow で実験し、製品チームは TensorFlow を使用してモデルを学習させ実際のカスタマーにサービス提供することができます。TensorFlow の利用は工業的な研究者にアイデアをより早く製品にすることを可能にし、学術的な研究者に大きな科学的な再現性とともにコードを直接的に共有することを可能にします。

自動微分

勾配法ベースの機械学習アルゴリズムは TensorFlow の自動微分機能の恩恵を受けるでしょう。TensorFlow ユーザとして、貴方は予測モデルの計算アーキテクチャ定義しそれを目的関数と結合し、そしてデータを追加するだけです — TensorFlow はあなたのために導関数の計算を処理してくれます。モデルにおける他の値に関連するある値の導関数の計算はグラフの拡張だけですから、何が起きているのかを常に正確に見ることができます。

言語オプション

TensorFlow は計算グラフをビルドし実行するために利用しやすい Python インターフェイスと実用的な C++ インターフェイスを兼ね備えています。スタンドアロンな TensorFlow の Python あるいは C++ プログラムを書いてみましょう。あるいはインタラクティブな iPython notebook で色々と試してみましょう。notebook では論理的にグループ化されたノート、コード、視覚化を保持することができます。

パフォーマンスの最大化

動作環境の全ての能力を利用したいですか?スレッド、キューそして非同期計算の最上級のサポートにより、TensorFlow は利用可能なハードウェアを最大限活用することを可能にします。貴方の TensorFlow グラフを異なるデバイスに計算要素を自由に割り当て、TensorFlow にコピーを処理させます。


 

お問合せ
本件に関するお問い合わせ先は下記までお願いいたします。

株式会社クラスキャット
セールス・マーケティング本部 セールス・インフォメーション
E-Mail:sales-info@classcat.com
WebSite: http://www.classcat.com/

※ ClassCat は株式会社クラスキャットの登録商標です。
※ TensorFlow, the TensorFlow logo and any related marks are trademarks of Google Inc.
※ AWS は米国その他の諸国における Amazon.com, Inc. またはその関連会社の商標です。
※ その他、記載されている会社名・製品名は各社の登録商標または商標です。

人工知能 & Biz セミナー

人工知能はビジネスにどう生かせるか? Vol.3
先進的な企業の経営者、新規ビジネス企画役員ならびに事業責任者を対象とした、人工知能テクノロジーをどのように実ビジネスに取り込めるのか? いち早く人工知能テクノロジーを取り入れた製品・サービスを市場に展開するには? にフォーカスしたセミナーを開催いたします。[詳細]
日時:2016年10月20日(木)
共催:クラスキャット、XEENUTS
特別協力:Nuance Communications, Inc
後援:日本ヒューレット・パッカード
参加費: 無料 (事前登録制)

TensorFlow サービス

TensorFlow深層学習、更には人工知能 のコンサルティング・サービスも承っております。
* お問合せは :
クラスキャット
セールスインフォメーション
sales-info@classcat.com
2016年9月
« 8月    
 1234
567891011
12131415161718
19202122232425
2627282930