ホーム » TensorFlow 各種ドキュメント翻訳 | TensorFlow の簡単な応用 (2021/1Q, 2Q)

TensorFlow 各種ドキュメント翻訳 | TensorFlow の簡単な応用 (2021/1Q, 2Q)

Top  <<    Prev  <    >  Next  

2021/04/28 ~ 2021/05/05

AutoNLP 0.2 : 音声認識

AutoNLPは Hugging Face エコシステムとシームレスに統合された、最先端の NLP モデルを自動的に訓練・配備するための方法です。対応する NLP タスクは二値分類、マルチクラス分類、固有表現認識です。

0.2.6 をベースにドキュメントを幾つか翻訳しています。今回は音声認識です。AutoNLP は音声 (発話) モデルの再調整をサポートしますので、自動音声認識モデルを用意に訓練することができます。

[詳細] (05/05/2021)

 

AutoNLP 0.2 : 要約

AutoNLPは Hugging Face エコシステムとシームレスに統合された、最先端の NLP モデルを自動的に訓練・配備するための方法です。対応する NLP タスクは二値分類、マルチクラス分類、固有表現認識です。

0.2.6 をベースにドキュメントを幾つか翻訳しています。今回は要約です。要約タスクでは 2 つのシークエンスを持ち、より大きいシークエンスはより小さいシークエンスで表されます aka 要約されます。AutoNLP は貴方のデータ上で要約モデルを訓練することを非常に容易にします。

[詳細] (05/05/2021)

 

AutoNLP 0.2 : エンティティ抽出

AutoNLPは Hugging Face エコシステムとシームレスに統合された、最先端の NLP モデルを自動的に訓練・配備するための方法です。対応する NLP タスクは二値分類、マルチクラス分類、固有表現認識です。

0.2.6 をベースにドキュメントを幾つか翻訳しています。今回はエンティティ抽出です。エンティティ抽出 aka トークン分類は最もポピュラーなタスクの一つです。AutoNLP は貴方のデータ上でエンティティ抽出モデルを訓練することを非常に容易にします。

[詳細] (05/05/2021)

 

AutoNLP 0.2 : 多クラス分類

AutoNLPは Hugging Face エコシステムとシームレスに統合された、最先端の NLP モデルを自動的に訓練・配備するための方法です。対応する NLP タスクは二値分類、マルチクラス分類、固有表現認識です。

0.2.6 をベースにドキュメントを幾つか翻訳しています。今回は多クラス分類です。多クラス分類は NLP 問題を扱うときに遭遇するかもしれない最もポピュラーな教師あり分類問題です。AutoNLP は貴方のデータ上で多クラス分類モデルを訓練することを非常に容易にします。

[詳細] (05/05/2021)

 

AutoNLP 0.2 : 二値分類

AutoNLPは Hugging Face エコシステムとシームレスに統合された、最先端の NLP モデルを自動的に訓練・配備するための方法です。対応する NLP タスクは二値分類、マルチクラス分類、固有表現認識です。

0.2.6 をベースにドキュメントを幾つか翻訳しています。今回は二値分類です。二値分類は NLP 問題を扱うときに遭遇するかもしれない最もポピュラーな教師あり分類問題です。AutoNLP は貴方のデータ上で二値分類モデルを訓練することを非常に容易にします。

[詳細] (05/04/2021)

 

AutoNLP 0.2 : 概要

AutoNLPは Hugging Face エコシステムとシームレスに統合された、最先端の NLP モデルを自動的に訓練・配備するための方法です。対応する NLP タスクは二値分類、マルチクラス分類、固有表現認識です。

0.2.6 をベースにドキュメントを幾つか翻訳していきます。最初は概要 (README) ですが、内容はクイックスタートです。

[詳細] (05/04/2021)

 

HuggingFace Transformers 4.5 : 概要

Transformer アーキテクチャは NLP で中心的役割を果たしていますが、HuggingFace Transformers は最先端の自然言語処理を可能にする PyTorch と TensorFlow 2.0 のためのエコシステムです。両者はシームレスに統合され、一方で訓練してから推論のために他方でロードすることも可能です。モデルハブにより数千の事前訓練モデルが提供されています。

最近リリースされた 4.5 をベースにドキュメントを幾つか翻訳していきます。最初は概要 (README) です。簡単な利用方法と利点、オンラインデモ、モデルのリスト等が説明されます。

[詳細] (04/28/2021)

 
2021/01/04 ~ 2021/03/10

MediaPipe 0.8 : Colab : MediaPipe ポーズ

MediaPipe はライブ & ストリーミング・メディアのためのクロスプラットフォーム、カスタマイズ可能な ML ソリューションを提供します。Google によりオープンソースとして公開され、以下の特徴を持ちます : (1) End-to-End アクセラレーション (2) 一度ビルドすれば、どこでも配備可能 (3) Ready-to-use ソリューション (4) フリー & オープンソース。

0.8 をベースに幾つかドキュメントを翻訳します。今回は Colab から Python の MediaPipe ポーズ・ソリューションの使用サンプルです。ポーズ推定を遂行するために数十のキーポイントを検出します。

[詳細] (03/10/2021)

 

MediaPipe 0.8 : Colab : MediaPipe 全身用 (Holistic)

MediaPipe はライブ & ストリーミング・メディアのためのクロスプラットフォーム、カスタマイズ可能な ML ソリューションを提供します。Google によりオープンソースとして公開され、以下の特徴を持ちます : (1) End-to-End アクセラレーション (2) 一度ビルドすれば、どこでも配備可能 (3) Ready-to-use ソリューション (4) フリー & オープンソース。

0.8 をベースに幾つかドキュメントを翻訳します。今回は Colab から Python の MediaPipe 全身用 (Holistic) ソリューションの使用サンプルです。顔や手指に加えて、関節などの全身のキーポイントを検出します。

[詳細] (03/10/2021)

 

MediaPipe 0.8 : Colab : MediaPipe ハンド (Hands)

MediaPipe はライブ & ストリーミング・メディアのためのクロスプラットフォーム、カスタマイズ可能な ML ソリューションを提供します。Google によりオープンソースとして公開され、以下の特徴を持ちます : (1) End-to-End アクセラレーション (2) 一度ビルドすれば、どこでも配備可能 (3) Ready-to-use ソリューション (4) フリー & オープンソース。

0.8 をベースに幾つかドキュメントを翻訳します。今回は Colab から Python の MediaPipe ハンド (Hands) ソリューションの使用サンプルです。手指のキーポイントを検出します。

[詳細] (03/08/2021)

 

MediaPipe 0.8 : Colab : MediaPipe 顔メッシュ

MediaPipe はライブ & ストリーミング・メディアのためのクロスプラットフォーム、カスタマイズ可能な ML ソリューションを提供します。Google によりオープンソースとして公開され、以下の特徴を持ちます : (1) End-to-End アクセラレーション (2) 一度ビルドすれば、どこでも配備可能 (3) Ready-to-use ソリューション (4) フリー & オープンソース。

0.8 をベースに幾つかドキュメントを翻訳します。今回は Colab から Python の MediaPipe 顔メッシュ・ソリューションの使用サンプルです。

[詳細] (03/07/2021)

 

MediaPipe 0.8 : Colab : MediaPipe 顔検出

MediaPipe はライブ & ストリーミング・メディアのためのクロスプラットフォーム、カスタマイズ可能な ML ソリューションを提供します。Google によりオープンソースとして公開され、以下の特徴を持ちます : (1) End-to-End アクセラレーション (2) 一度ビルドすれば、どこでも配備可能 (3) Ready-to-use ソリューション (4) フリー & オープンソース。

0.8 をベースに幾つかドキュメントを翻訳します。今回は Colab から Python の MediaPipe 顔検出ソリューションの使用サンプルです。

[詳細] (03/06/2021)

 

MediaPipe 0.8 : 概要 (README)

MediaPipe はライブ & ストリーミング・メディアのためのクロスプラットフォーム、カスタマイズ可能な ML ソリューションを提供します。Google によりオープンソースとして公開され、以下の特徴を持ちます : (1) End-to-End アクセラレーション (2) 一度ビルドすれば、どこでも配備可能 (3) Ready-to-use ソリューション (4) フリー & オープンソース。

0.8 をベースに幾つかドキュメントを翻訳します。最初は概要 (README) です。

[詳細] (03/05/2021)

 

TensorFlow 2.4 : ガイド : モデルのセーブ – SavedModel 形式を使用する

TensorFlow 2.4 のドキュメントでは幾つかガイドが追加されたり改訂もされていますので、再翻訳しています。

今回はガイド「モデルのセーブ」カテゴリーから、『SavedModel 形式を使用する』です。SavedModel は訓練パラメータと計算を含む、完全な TensorFlow プログラムを含みます。実行するためのオリジナルのモデル構築コードを必要としませんので、TFLite, TensorFlow.js, TensorFlow Serving や TensorFlow Hub で共有あるいは配備するために有用です。

[詳細] (01/30/2021)

 

TensorFlow 2.4 : ガイド : モデルのセーブ – 訓練チェックポイント

TensorFlow 2.4 のドキュメントでは幾つかガイドが追加されたり改訂もされていますので、再翻訳しています。

今回はガイド「モデルのセーブ」カテゴリーから、『訓練チェックポイント』です。「TensorFlow モデルをセーブする」は典型的には 2 つのことの一つを意味します : チェックポイント、または SavedModel です。チェックポイントはモデルにより使用される総てのパラメータの値を捕捉します。チェックポイントはモデルにより定義された計算のどのような記述も含みませんので、典型的にはソースコードが利用可能であるときにのみ有用です。

[詳細] (01/27/2021)

 

TensorFlow 2.4 : ガイド : Keras – Keras モデルをセーブしてロードする

TensorFlow 2.4 のドキュメントでは幾つかガイドが追加されたり改訂もされていますので、再翻訳しています。

今回はガイド「Keras」カテゴリーから、『Keras モデルをセーブしてロードする』です。モデル全体をディスクにセーブするために使用できる 2 つの形式があります : TensorFlow SavedModel 形式、そしてより古い Keras H5 形式 です。推奨形式は SavedModel で、model.save() を使用するときそれはデフォルトです。

[詳細] (01/24/2021)

 

TensorFlow 2.4 : ガイド : Keras – 転移学習と再調整

TensorFlow 2.4 のドキュメントでは幾つかガイドが追加されたり改訂もされていますので、再翻訳しています。

今回はガイド「Keras」カテゴリーから、『転移学習と再調整』です。転移学習は 1 つの問題上で学習された特徴を取り、そしてそれらを新しい類似の問題上で活用することから成ります。例えば、アライグマを識別するために学習したモデルからの特徴はタヌキを識別することを意図したモデルを始動するために有用かもしれません。転移学習はスクラッチから本格的なモデルを訓練するには貴方のデータセットが少な過ぎるデータを持つようなタスクのために通常は行なわれます。

[詳細] (01/22/2021)

 

TensorFlow 2.4 : ガイド : Keras – 貴方自身のコールバックを書く

TensorFlow 2.4 のドキュメントでは幾つかガイドが追加されたり改訂もされていますので、再翻訳しています。

今回はガイド「Keras」カテゴリーから、『貴方自身のコールバックを書く』です。コールバックは 訓練、評価や推論の間の Keras モデルの動作をカスタマイズするためのパワフルなツールです。このガイドでは、Keras コールバックが何か、それは何ができるか、そして貴方自身のものをどのように構築できるかを学習します。

[詳細] (01/18/2021)

 

TensorFlow 2.4 : ガイド : Keras – Keras でマスキングとパディング

TensorFlow 2.4 のドキュメントでは幾つかガイドが追加されたり改訂もされていますので、再翻訳しています。

今回はガイド「Keras」カテゴリーから、『Keras でマスキングとパディング』です。マスキングはシークエンス処理層に入力の一部の時間ステップが欠損しているために、データ処理時にスキップされるべきであることを伝える手段です。そしてパディングはマスキングの特殊な形式で、バッチの総てのシークエンスを標準的な長さにするためには、幾つかのシークエンスをパッドしたり切り詰めることです。

[詳細] (01/17/2021)

 

TensorFlow 2.4 : ガイド : Keras – 訓練ループをスクラッチから書く

TensorFlow 2.4 のドキュメントでは幾つかガイドが追加されたり改訂もされていますので、再翻訳しています。

今回はガイド「Keras」カテゴリーから、『訓練ループをスクラッチから書く』です。Keras はデフォルトの訓練と評価ループ、fit() と evaluate() を提供します。訓練 & 評価に渡り非常に低位な制御を望む場合、貴方自身の訓練 & 評価ループをスクラッチから書くべきです。このガイドはこれについて説明されます。

[詳細] (01/16/2021)

 

TensorFlow 2.4 : ガイド : Keras – Model.fit で起きることをカスタマイズする

TensorFlow 2.4 のドキュメントでは幾つかガイドが追加されたり改訂もされていますので、再翻訳しています。

今回はガイド「Keras」カテゴリーから、『Model.fit で起きることをカスタマイズする』です。教師あり学習を行なっているとき fit() を使用できて総てがスムースに動作します。しかしカスタム訓練アルゴリズムを必要としながら fit() の便利な特徴から依然として恩恵を受けることを望む場合にはどうでしょう?fit() が行なうことをカスタマイズする必要があるとき、Model クラスの訓練ステップ関数を override するべきです。

[詳細] (01/15/2021)

 

TensorFlow 2.4 : ガイド : Keras – 前処理層で作業する

TensorFlow 2.4 のドキュメントでは幾つかガイドが追加されたり改訂もされていますので、再翻訳しています。

今回はガイド「Keras」カテゴリーから、『前処理層で作業する』です。Keras 前処理層 API は開発者に Keras-ネイティブな入力処理パイプラインを構築することを可能にします。これらの入力処理パイプラインは Keras モデルと直接結び付けられ、非-Keras ワークフローにおける独立した前処理コードとして利用できます。Keras 前処理層で真に end-to-end なモデルを構築してエクスポートできます。

[詳細] (01/14/2021)

 

TensorFlow 2.4 : ガイド : Keras – Keras でリカレント・ニューラルネットワーク (RNN)

TensorFlow 2.4 のドキュメントでは幾つかガイドが追加されたり改訂もされていますので、再翻訳しています。

今回はガイド「Keras」カテゴリーから、『Keras でリカレント・ニューラルネットワーク (RNN)』です。リカレント・ニューラルネットワーク (RNN) は、時系列や自然言語のようなシークエンス・データをモデル化するためのパワフルなニューラルネットワークのクラスです。このガイドでは組込みの keras.layers.RNN, LSTM, GRU 層の使い方を中心に解説されます。

[詳細] (01/13/2021)

 

TensorFlow 2.4 : ガイド : Keras – サブクラス化で新しい層とモデルを作成する

TensorFlow 2.4 のドキュメントでは幾つかガイドが追加されたり改訂もされていますので、再翻訳しています。

今回はガイド「Keras」カテゴリーから、『サブクラス化で新しい層とモデルを作成する』です。Keras の中心的な抽象の一つは Layer クラスです。層は状態と入力から出力への変換をカプセル化します。一般に、内側の計算ブロックを定義するために Layer クラスを使用し、外側のモデル (貴方が訓練するオブジェクト) を定義するために Model クラスを使用します。

[詳細] (01/12/2021)

 

TensorFlow 2.4 : ガイド : Keras – 組込みメソッドで訓練と評価

TensorFlow 2.4 のドキュメントでは幾つかガイドが追加されたり改訂もされていますので、再翻訳しています。

今回はガイド「Keras」カテゴリーから、『組込みメソッドで訓練と評価』です。このガイドは model.fit(), model.evaluate(), model.predict() のような訓練と検証のための組込み API を利用する、訓練と評価そして予測 (推論) モデルをカバーします。

[詳細] (01/11/2021)

 

TensorFlow 2.4 : ガイド : Keras – Functional API

TensorFlow 2.4 のドキュメントでは幾つかガイドが追加されたり改訂もされていますので、再翻訳しています。

今回はガイド「Keras」カテゴリーから、『Functional API』です。Keras Functional API は tf.keras.Sequential API よりも柔軟なモデルを作成する方法です。functional API は非線形トポロジー、共有層、そしてマルチ入力と出力を持つモデルさえ扱うことができます。

[詳細] (01/10/2021)

 

TensorFlow 2.4 : ガイド : Keras – シーケンシャル・モデル

TensorFlow 2.4 のドキュメントでは幾つかガイドが追加されたり改訂もされていますので、再翻訳しています。

今回はガイド「Keras」カテゴリーから、『シーケンシャル・モデル』です。シーケンシャル・モデルは層の平易なスタックのために適切です、そこでは各層は正確に 1 つの入力 tensor と 1 つの出力 tensor を持ちます。

[詳細] (01/09/2021)

 

TensorFlow 2.4 : ガイド : 基本 – TensorFlow 上の NumPy API

TensorFlow 2.4 のドキュメントで幾つかガイドが追加されましたので、再翻訳しています。

今回はガイド「TensorFlow 基本」カテゴリーから、『TensorFlow 上の NumPy API』です。TensorFlow は tf.experimental.numpy として利用可能な NumPy API のサブセットを実装しています。これは TensorFlow によりアクセラレートされた NumPy コードを実行することを可能にする一方で、TensorFlow の API の総てへのアクセスも可能にします。

[詳細] (01/08/2021)

 

TensorFlow 2.4 : ガイド : 基本 – Ragged Tensor (不規則なテンソル) パート II

TensorFlow 2.4 のドキュメントで幾つかガイドが追加されましたので、再翻訳しています。

今回はガイド「TensorFlow 基本」カテゴリーから、『不規則な (Ragged) Tensor パート II』です。このガイドでは、Ragged Tensor (不規則なテンソル) を扱います。ragged tensor は (Python の) ネストされた可変長リストの TensorFlow における等値なものです。

[詳細] (01/05/2021)

 

TensorFlow 2.4 : ガイド : 基本 – Ragged Tensor (不規則なテンソル) パート I

TensorFlow 2.4 のドキュメントで幾つかガイドが追加されましたので、再翻訳しています。

今回はガイド「TensorFlow 基本」カテゴリーから、『不規則な (Ragged) Tensor パート I』です。このガイドでは、Ragged Tensor (不規則なテンソル) を扱います。ragged tensor は (Python の) ネストされた可変長リストの TensorFlow における等値なものです。

[詳細] (01/04/2021)

 


 

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 : https://www.classcat.com/
Facebook : https://www.facebook.com/ClassCatJP/

※ 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.
※ 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。

AI導入支援 #2 ウェビナー

スモールスタートを可能としたAI導入支援   Vol.2
[無料 WEB セミナー] [詳細]
「画像認識 AI PoC スターターパック」の紹介
既に AI 技術を実ビジネスで活用し、成果を上げている日本企業も多く存在しており、競争優位なビジネスを展開しております。
しかしながら AI を導入したくとも PoC (概念実証) だけでも高額な費用がかかり取組めていない企業も少なくないようです。A I導入時には欠かせない PoC を手軽にしかも短期間で認知度を確認可能とするサービの紹介と共に、AI 技術の特性と具体的な導入プロセスに加え運用時のポイントについても解説いたします。
日時:2021年10月13日(水)
会場:WEBセミナー
共催:クラスキャット、日本FLOW(株)
後援:働き方改革推進コンソーシアム
参加費: 無料 (事前登録制)
人工知能開発支援
◆ クラスキャットは 人工知能研究開発支援 サービスを提供しています :
  • テクニカルコンサルティングサービス
  • 実証実験 (プロトタイプ構築)
  • アプリケーションへの実装
  • 人工知能研修サービス
◆ お問合せ先 ◆
(株)クラスキャット
セールス・インフォメーション
E-Mail:sales-info@classcat.com