Skip to content

ClasCat® AI Research

クラスキャット – 生成 AI, AI エージェント, MCP

Menu
  • ホーム
    • ClassCat® AI Research ホーム
    • クラスキャット・ホーム
  • OpenAI API
    • OpenAI Python ライブラリ 1.x : 概要
    • OpenAI ブログ
      • GPT の紹介
      • GPT ストアの紹介
      • ChatGPT Team の紹介
    • OpenAI platform 1.x
      • Get Started : イントロダクション
      • Get Started : クイックスタート (Python)
      • Get Started : クイックスタート (Node.js)
      • Get Started : モデル
      • 機能 : 埋め込み
      • 機能 : 埋め込み (ユースケース)
      • ChatGPT : アクション – イントロダクション
      • ChatGPT : アクション – Getting started
      • ChatGPT : アクション – アクション認証
    • OpenAI ヘルプ : ChatGPT
      • ChatGPTとは何ですか?
      • ChatGPT は真実を語っていますか?
      • GPT の作成
      • GPT FAQ
      • GPT vs アシスタント
      • GPT ビルダー
    • OpenAI ヘルプ : ChatGPT > メモリ
      • FAQ
    • OpenAI ヘルプ : GPT ストア
      • 貴方の GPT をフィーチャーする
    • OpenAI Python ライブラリ 0.27 : 概要
    • OpenAI platform
      • Get Started : イントロダクション
      • Get Started : クイックスタート
      • Get Started : モデル
      • ガイド : GPT モデル
      • ガイド : 画像生成 (DALL·E)
      • ガイド : GPT-3.5 Turbo 対応 微調整
      • ガイド : 微調整 1.イントロダクション
      • ガイド : 微調整 2. データセットの準備 / ケーススタディ
      • ガイド : 埋め込み
      • ガイド : 音声テキスト変換
      • ガイド : モデレーション
      • ChatGPT プラグイン : イントロダクション
    • OpenAI Cookbook
      • 概要
      • API 使用方法 : レート制限の操作
      • API 使用方法 : tiktoken でトークンを数える方法
      • GPT : ChatGPT モデルへの入力をフォーマットする方法
      • GPT : 補完をストリームする方法
      • GPT : 大規模言語モデルを扱う方法
      • 埋め込み : 埋め込みの取得
      • GPT-3 の微調整 : 分類サンプルの微調整
      • DALL-E : DALL·E で 画像を生成して編集する方法
      • DALL·E と Segment Anything で動的マスクを作成する方法
      • Whisper プロンプティング・ガイド
  • Gemini API
    • Tutorials : クイックスタート with Python (1) テキスト-to-テキスト生成
    • (2) マルチモーダル入力 / 日本語チャット
    • (3) 埋め込みの使用
    • (4) 高度なユースケース
    • クイックスタート with Node.js
    • クイックスタート with Dart or Flutter (1) 日本語動作確認
    • Gemma
      • 概要 (README)
      • Tutorials : サンプリング
      • Tutorials : KerasNLP による Getting Started
  • Keras 3
    • 新しいマルチバックエンド Keras
    • Keras 3 について
    • Getting Started : エンジニアのための Keras 入門
    • Google Colab 上のインストールと Stable Diffusion デモ
    • コンピュータビジョン – ゼロからの画像分類
    • コンピュータビジョン – 単純な MNIST convnet
    • コンピュータビジョン – EfficientNet を使用した微調整による画像分類
    • コンピュータビジョン – Vision Transformer による画像分類
    • コンピュータビジョン – 最新の MLPモデルによる画像分類
    • コンピュータビジョン – コンパクトな畳込み Transformer
    • Keras Core
      • Keras Core 0.1
        • 新しいマルチバックエンド Keras (README)
        • Keras for TensorFlow, JAX, & PyTorch
        • 開発者ガイド : Getting started with Keras Core
        • 開発者ガイド : 関数型 API
        • 開発者ガイド : シーケンシャル・モデル
        • 開発者ガイド : サブクラス化で新しい層とモデルを作成する
        • 開発者ガイド : 独自のコールバックを書く
      • Keras Core 0.1.1 & 0.1.2 : リリースノート
      • 開発者ガイド
      • Code examples
      • Keras Stable Diffusion
        • 概要
        • 基本的な使い方 (テキスト-to-画像 / 画像-to-画像変換)
        • 混合精度のパフォーマンス
        • インペインティングの簡易アプリケーション
        • (参考) KerasCV – Stable Diffusion を使用した高性能画像生成
  • TensorFlow
    • TF 2 : 初級チュートリアル
    • TF 2 : 上級チュートリアル
    • TF 2 : ガイド
    • TF 1 : チュートリアル
    • TF 1 : ガイド
  • その他
    • 🦜️🔗 LangChain ドキュメント / ユースケース
    • Stable Diffusion WebUI
      • Google Colab で Stable Diffusion WebUI 入門
      • HuggingFace モデル / VAE の導入
      • LoRA の利用
    • Diffusion Models / 拡散モデル
  • クラスキャット
    • 会社案内
    • お問合せ
    • Facebook
    • ClassCat® Blog
Menu

TensorFlow Fold : 概要とセットアップ

Posted on 04/20/2017 by Sales Information

TensorFlow Fold : 概要とセットアップ
翻訳 : (株)クラスキャット セールスインフォメーション
作成日時 : 04/20/2017

* 本ページは、github 上の TensorFlow Fold の README.md 及び “Download and Setup” を
動作確認・翻訳した上で適宜、補足説明したものです:
https://github.com/tensorflow/fold/blob/master/README.md
https://github.com/tensorflow/fold/blob/master/tensorflow_fold/g3doc/setup.md
* ご自由にリンクを張って頂いてかまいませんが、sales-info@classcat.com までご一報いただけると嬉しいです。

 

TensorFlow Fold

TensorFlow Flod は構造型データ (structured data) を消費する TensorFlow モデルを作成するためのライブラリで、そこでは計算グラフの構造は入力データの構造に依存します。例えば、このモデル は、任意の shape/サイズ/深さの解析木上のセンチメント分析 (感情/評判分析) のための TreeLSTM を実装しています。

Fold は動的バッチ処理 (dynamic batching) を実装しています。任意の shape の計算グラフのバッチは静的な計算グラフを生成するために変換されます。このグラフはそれが何を受け取るかに関わらず同じ構造を持ち、TensorFlow で効率的に実行されます。

  • ダウンロードとセットアップ (本ページ後半)
  • クイックスタート・ノートブック
  • ドキュメンテーション

     
    このアニメーションは 再帰的 (recursive) ニューラルネットワーク が動的バッチ処理で動作する様子を示しています。(アニメーションでは色で示される) 計算グラフの同じ深さに現れる同じ型の演算が同じ解析木に現れるか否かに関わらず一緒にバッチされています。埋め込み (embed) 演算は 単語(群)をベクトル表現 に変換します。完全結合 ( FC ) 演算は単語ベクトルを結合して句 (phrase) のベクトル表現を形成します。ネットワークの出力は文全体のベクトル表現です。文の単一の解析木のみが示されていますが、同じネットワークが任意の shape とサイズの複数の解析木に渡り実行可能で、演算をバッチ処理できます。TensorFlow concat, while_loop, そして gather ops は変数初期化の前に、(TensorFlow Fold のための低位 API である) Loom により一度作成されます。

    TensorFlow Fold に貢献したい場合には、contribution guidelines をレビューしてください。

    TensorFlow Fold は公式な Google プロダクトではありません。

     

    ダウンロードとセットアップ

    Fold は Linux の基で動作します; 他のプラットフォームではテストしていません。Python 2.7 と 3.3+ の両者がサポートされます。Virtualenv と pip を使用してインストールすることを推奨します。ソースからのインストールの指示は こちら を見てください。もし問題があれば、TensorFlow 主サイトが有用であるかもしれない幾つかの解法と共に 一般的な問題 のリストを持っています。Fold は TensorFlow 1.0 を必要とすることに注意してください; 破壊的な API 変更によってより早いバージョンとは非互換です。

    最初に Python, pip そして Virtualenv をインストールします :

    sudo apt-get install python-pip python-dev python-virtualenv
    

    foo ディレクトリに Virtualenv 環境を作成します :

    virtualenv foo             # for Python 2.7
    virtualenv -p python3 foo  # for Python 3.3+
    

    環境を activate します :

    source ./foo/bin/activate      # if using bash
    source ./foo/bin/activate.csh  # if using csh
    

    TensorFlow のための pip パッケージをインストールします。Python 2.7 CPU-only に対しては、これは以下のようになります :

    pip install https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.0.0rc0-cp27-none-linux_x86_64.whl
    

    Python 3.3+ and/or GPU に対しては、利用可能な TF バイナリの完全なリストは こちら を見てください。

    TensorFlow がロード可能であることを確認します :

    python -c 'import tensorflow'
    

    Fold について pip パッケージをインストールします。Python 2.7 に対しては、これは次のようになります :

    pip install https://storage.googleapis.com/tensorflow_fold/tensorflow_fold-0.0.1-cp27-none-linux_x86_64.whl
    

    Python 3.3 については :

    pip install https://storage.googleapis.com/tensorflow_fold/tensorflow_fold-0.0.1-py3-none-linux_x86_64.whl
    

    Fold がロード可能であることを確認します :

    python -c 'import tensorflow_fold'
    

    成功です!

     

    Next steps

    • try out the quick start notebook
    • browse the documentation
    • hacks and glory
     

    以上

クラスキャット

最近の投稿

  • LangGraph 0.5 on Colab : Get started : クイックスタート
  • LangGraph on Colab : SQL エージェントの構築
  • LangGraph on Colab : マルチエージェント・スーパーバイザー
  • LangGraph on Colab : エージェント型 RAG
  • LangGraph : 例題 : エージェント型 RAG

タグ

AutoGen (13) ClassCat Press Release (20) ClassCat TF/ONNX Hub (11) DGL 0.5 (14) Eager Execution (7) Edward (17) FLUX.1 (16) Gemini (20) HuggingFace Transformers 4.5 (10) HuggingFace Transformers 4.6 (7) HuggingFace Transformers 4.29 (9) Keras 2 Examples (98) Keras 2 Guide (16) Keras 3 (10) Keras Release Note (17) Kubeflow 1.0 (10) LangChain (45) LangGraph (24) MediaPipe 0.8 (11) Model Context Protocol (16) NNI 1.5 (16) OpenAI Agents SDK (8) OpenAI Cookbook (13) OpenAI platform (10) OpenAI platform 1.x (10) OpenAI ヘルプ (8) TensorFlow 2.0 Advanced Tutorials (33) TensorFlow 2.0 Advanced Tutorials (Alpha) (15) TensorFlow 2.0 Advanced Tutorials (Beta) (16) TensorFlow 2.0 Guide (10) TensorFlow 2.0 Guide (Alpha) (16) TensorFlow 2.0 Guide (Beta) (9) TensorFlow 2.0 Release Note (12) TensorFlow 2.0 Tutorials (20) TensorFlow 2.0 Tutorials (Alpha) (14) TensorFlow 2.0 Tutorials (Beta) (12) TensorFlow 2.4 Guide (24) TensorFlow Deploy (8) TensorFlow Get Started (7) TensorFlow Graphics (7) TensorFlow Probability (9) TensorFlow Programmer's Guide (22) TensorFlow Release Note (18) TensorFlow Tutorials (33) TF-Agents 0.4 (11)
2017年4月
月 火 水 木 金 土 日
 12
3456789
10111213141516
17181920212223
24252627282930
« 3月   5月 »
© 2025 ClasCat® AI Research | Powered by Minimalist Blog WordPress Theme