ホーム » TensorFlow 各種ドキュメント翻訳 | TensorFlow の簡単な応用 (3) (2019)

TensorFlow 各種ドキュメント翻訳 | TensorFlow の簡単な応用 (3) (2019)

Top  <<    Prev  <    >  Next  

~ 2019/12/26

TensorFlow 2.0 : ガイド : Keras :- Keras カスタム callback

TensorFlow 2.0 ステーブル版がリリースされましたので、チュートリアルやガイド等のドキュメントの最終的な翻訳をしています。(プログラマーズ) ガイドに移行しています。

今回はガイド「Keras」カテゴリーから、Keras のカスタム callback を利用するためのガイドです。カスタム callback は Keras モデルを読み/変更することを含む、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。

ガイドは「TensorFlow 2」「Keras」「Estimator」「カスタマイズ」「データ入力パイプライン」「モデルのセーブ」「アクセラレータ」のカテゴリーに分かれています。

[詳細] (12/20/2019)

 

TensorFlow 2.0 : ガイド : Keras :- Keras でマスキングとパディング

TensorFlow 2.0 ステーブル版がリリースされましたので、チュートリアルやガイド等のドキュメントの最終的な翻訳をしています。(プログラマーズ) ガイドに移行しています。

今回はガイド「Keras」カテゴリーから、Keras のマスキングとパディングを使用するためのガイドです。シークエンス・データを処理するとき、個々のサンプルが異なる長さを持つことは非常に一般的ですが、深層学習モデルのための入力データは単一の tensorでなければなりません。

ガイドは「TensorFlow 2」「Keras」「Estimator」「カスタマイズ」「データ入力パイプライン」「モデルのセーブ」「アクセラレータ」のカテゴリーに分かれています。

[詳細] (12/26/2019)

 

TensorFlow 2.0 : ガイド : Keras :- Keras でリカレント・ニューラルネットワーク (RNN)

TensorFlow 2.0 ステーブル版がリリースされましたので、チュートリアルやガイド等のドキュメントの最終的な翻訳をしています。(プログラマーズ) ガイドに移行しています。

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) を利用するためのガイドです。Keras RNN API は利用の容易さとカスタマイズの容易さに焦点を絞って設計されています。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のクラスです。RNN 層はシークエンスの時間ステップに渡り反復するために for ループを使用し、一方でそれがそこまでに見た時間ステップについての情報をエンコードする内部状態を保持します。

ガイドは「TensorFlow 2」「Keras」「Estimator」「カスタマイズ」「データ入力パイプライン」「モデルのセーブ」「アクセラレータ」のカテゴリーに分かれています。

[詳細] (12/26/2019)

 

TensorFlow 2.0 : ガイド : Keras :- Keras でモデルをセーブしてシリアライズする

TensorFlow 2.0 ステーブル版がリリースされましたので、チュートリアルやガイド等のドキュメントの最終的な翻訳をしています。(プログラマーズ) ガイドに移行しています。

今回はガイド「Keras」カテゴリーから、Keras でモデルをセーブしてシリアライズするためのガイドです。このガイドの最初のパートでは Sequential モデルと Functional API で構築されたモデルのためのセーブとシリアライゼーションをカバーします。セーブとシリアライゼーション API は両者のモデルについて正確に同じです。

ガイドは「TensorFlow 2」「Keras」「Estimator」「カスタマイズ」「データ入力パイプライン」「モデルのセーブ」「アクセラレータ」のカテゴリーに分かれています。

[詳細] (12/04/2019)

 

TensorFlow 2.0 : ガイド : Keras :- Keras で層とモデルを書く

TensorFlow 2.0 ステーブル版がリリースされましたので、チュートリアルやガイド等のドキュメントの最終的な翻訳をしています。(プログラマーズ) ガイドに移行しています。

今回はガイド「Keras」カテゴリーから、Keras で層とモデルを書くためのガイドです。層の主要なデータ構造は Layer です。層は状態 (重み) と入力から出力への変換 (“call”, forward パス) をカプセル化します。一般に Layer クラスは内側の計算ブロックを定義するために使用され、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 クラスを定義します。

ガイドは「TensorFlow 2」「Keras」「Estimator」「カスタマイズ」「データ入力パイプライン」「モデルのセーブ」「アクセラレータ」のカテゴリーに分かれています。

[詳細] (12/04/2019)

 

TensorFlow 2.0 : ガイド : Keras :- Keras で訓練と評価

TensorFlow 2.0 ステーブル版がリリースされましたので、チュートリアルやガイド等のドキュメントの最終的な翻訳をしています。(プログラマーズ) ガイドに移行しています。

今回はガイド「Keras」カテゴリーから、Keras による訓練と評価のガイドです。これは 2 つのセクションに分けて説明されます。一つは訓練 & 検証のための組み込み API (fit(), evaluate() & preedict()) の具体的な利用方法で、もう一つは Eager execution と GradientTape オブジェクトを使用してカスタム・ループをスクラッチから書く方法についてです。

ガイドは「TensorFlow 2」「Keras」「Estimator」「カスタマイズ」「データ入力パイプライン」「モデルのセーブ」「アクセラレータ」のカテゴリーに分かれています。

[詳細] (12/03/2019)

 

TensorFlow 2.0 : ガイド : Keras :- TensorFlow の Keras Functional API

TensorFlow 2.0 ステーブル版がリリースされましたので、チュートリアルやガイド等のドキュメントの最終的な翻訳をしています。初級・上級チュートリアルの翻訳が完了しましたので、(プログラマーズ) ガイドに移行しています。

今回はガイド「Keras」カテゴリーから、Functional API の概要です。概要ではシンプルな Sequential モデルについて説明されましたが、本ガイドでは Functional API と Model のサブクラス化によるモデル構築について詳述されています。Functional API を利用すれば Sequential よりも柔軟なモデルを作成できます。非線形トポロジー・モデル、共有層を持つモデルそしてマルチ入力と出力を持つモデルを扱うことができます。

ガイドは「TensorFlow 2」「Keras」「Estimator」「カスタマイズ」「データ入力パイプライン」「モデルのセーブ」「アクセラレータ」のカテゴリーに分かれています。

[詳細] (11/29/2019)

 

TensorFlow 2.0 : ガイド : Keras :- Keras 概要

TensorFlow 2.0 ステーブル版がリリースされましたので、チュートリアルやガイド等のドキュメントの最終的な翻訳をしています。

初級・上級チュートリアルの翻訳が完了しましたので、(プログラマーズ) ガイドに移ります。

今回はガイド「Keras」カテゴリーから、Keras の概要です。TF 2.0 における Keras の良い入門になっています。シンプルな Sequential モデルを中心にモデル構築と訓練・評価の方法そしてコールバックの使い方、セーブ・リストアについて説明されます。また進んだトピックとして Functional API や Model のサブクラス化によるモデル構築についても簡単に説明され、eager mode やマルチ GPU 分散訓練についても記述があります。

ガイドは「TensorFlow 2」「Keras」「Estimator」「カスタマイズ」「データ入力パイプライン」「モデルのセーブ」「アクセラレータ」のカテゴリーに分かれています。

[詳細] (11/24/2019)

 

TensorFlow 2.0 : 上級 Tutorials : 生成 :- 畳み込み変分オートエンコーダ

TensorFlow 2.0 ステーブル版がリリースされましたので、チュートリアルやガイド等のドキュメントの最終的な翻訳をしています。

今回は上級チュートリアル「生成」カテゴリーから、VAE (変分オートエンコーダ) のチュートリアルです。VAE は ELBO (エビデンス下限) を最大化することにより訓練されます。

上級チュートリアルは「カスタマイズ」「分散訓練」「画像」「テキスト」「構造化データ」「生成」のカテゴリーに分かれています。

[詳細] (11/23/2019)

 

TensorFlow 2.0 : 上級 Tutorials : 生成 :- FGSM を使用した敵対的サンプル

TensorFlow 2.0 ステーブル版がリリースされましたので、チュートリアルやガイド等のドキュメントの最終的な翻訳をしています。

今回は上級チュートリアル「生成」カテゴリーから、FGSM を使用して敵対的サンプルを作成するチュートリアルです。これはニューラルネットワークを騙す最初の最もポピュラーな攻撃の一つです。

上級チュートリアルは「カスタマイズ」「分散訓練」「画像」「テキスト」「構造化データ」「生成」のカテゴリーに分かれています。

[詳細] (11/23/2019)

 

TensorFlow 2.0 : 上級 Tutorials : 生成 :- CycleGAN

TensorFlow 2.0 ステーブル版がリリースされましたので、チュートリアルやガイド等のドキュメントの最終的な翻訳をしています。

今回は上級チュートリアル「生成」カテゴリーから、CycleGAN のチュートリアルです。これは写真拡張、画像彩色、画風変換, etc. のような多くの興味深いタスクを行なう可能性を広げます。CycleGAN はペアデータを必要とせずに訓練を可能とする点が特徴的です。

上級チュートリアルは「カスタマイズ」「分散訓練」「画像」「テキスト」「構造化データ」「生成」のカテゴリーに分かれています。

[詳細] (11/23/2019)

 

TensorFlow 2.0 : 上級 Tutorials : 生成 :- Pix2Pix

TensorFlow 2.0 ステーブル版がリリースされましたので、チュートリアルやガイド等のドキュメントの最終的な翻訳をしています。

今回は上級チュートリアル「生成」カテゴリーから、Pix2Pix のチュートリアルです。このチュートリアルでは条件付き GAN を使用して画像から画像への変換を実演します。このテクニックを使用して白黒写真を彩色したり、google マップを google earth に変換する等のことができます。ここでは建物の正面画像をリアルな建物に変換します。

上級チュートリアルは「カスタマイズ」「分散訓練」「画像」「テキスト」「構造化データ」「生成」のカテゴリーに分かれています。

[詳細] (11/22/2019)

 

TensorFlow 2.0 : 上級 Tutorials : 生成 :- 深層畳み込み敵対的生成ネットワーク

TensorFlow 2.0 ステーブル版がリリースされましたので、チュートリアルやガイド等のドキュメントの最終的な翻訳をしています。

今回は上級チュートリアル「生成」カテゴリーから、DCGAN (深層畳み込み敵対的生成ネットワーク) のチュートリアルです。このチュートリアルでは GAN の入門的な説明を行なった上で、DCGAN を使用して手書き数字画像をどのように生成するかを実演します。コードは Keras Sequential API を使用して tf.GradientTape 訓練ループで書かれています。

上級チュートリアルは「カスタマイズ」「分散訓練」「画像」「テキスト」「構造化データ」「生成」のカテゴリーに分かれています。

[詳細] (11/21/2019)

 

TensorFlow 2.0 : 上級 Tutorials : 生成 :- DeepDream

TensorFlow 2.0 ステーブル版がリリースされましたので、チュートリアルやガイド等のドキュメントの最終的な翻訳をしています。

今回は上級チュートリアル「生成」カテゴリーから、DeepDream のチュートリアルです。DeepDream はニューラルネットワークにより学習されたパターンを可視化する実験です。子供が雲を見てランダムな形状を解釈しようとするのと同様に、DeepDream はそれが画像で見たパターンを過剰解釈して強化します。

上級チュートリアルは「カスタマイズ」「分散訓練」「画像」「テキスト」「構造化データ」「生成」のカテゴリーに分かれています。

[詳細] (11/21/2019)

 

TensorFlow 2.0 : 上級 Tutorials : 生成 :- 画風変換

TensorFlow 2.0 ステーブル版がリリースされましたので、チュートリアルやガイド等のドキュメントの最終的な翻訳をしています。

今回は上級チュートリアル「生成」カテゴリーから、画風変換 (Style Transfer) のチュートリアルです。画風変換は一つの画像 (コンテンツ画像) をもう一つの画像 (スタイル画像) のスタイルで構成するために深層学習を利用します。スタイル画像には例えば有名な画家によるアートワークが使用され、出力画像はコンテンツ画像のように見えますがスタイル画像のスタイルで描かれています。

上級チュートリアルは「カスタマイズ」「分散訓練」「画像」「テキスト」「構造化データ」「生成」のカテゴリーに分かれています。

[詳細] (11/19/2019)

 

TensorFlow 2.0 : 上級 Tutorials : 構造化データ :- 時系列予報

TensorFlow 2.0 ステーブル版がリリースされましたので、チュートリアルやガイド等のドキュメントの最終的な翻訳をしています。

今回は上級チュートリアル「構造化データ」カテゴリーから、時系列予報のためのチュートリアルです。このチュートリアルはリカレント・ニューラルネットワーク (RNN) を使用した時系列予報へのイントロダクションです。最初に単量時系列を予報して、それから多変量時系列を予報します。

上級チュートリアルは「カスタマイズ」「分散訓練」「画像」「テキスト」「構造化データ」「生成」のカテゴリーに分かれています。

[詳細] (11/20/2019)

 

TensorFlow 2.0 : 上級 Tutorials : 構造化データ :- 不均衡なデータ上の分類

TensorFlow 2.0 ステーブル版がリリースされましたので、チュートリアルやガイド等のドキュメントの最終的な翻訳をしています。

今回は上級チュートリアル「構造化データ」カテゴリーから、不均衡なデータ上の分類を遂行するためのチュートリアルです。このチュートリアルでは非常に不均衡なデータセットをどのように分類するかを実演します。そのデータセットでは一つのクラスのサンプル数がもう一つのクラスのサンプル数を大きく上回っています。

上級チュートリアルは「カスタマイズ」「分散訓練」「画像」「テキスト」「構造化データ」「生成」のカテゴリーに分かれています。

[詳細] (11/18/2019)

 

TensorFlow 2.0 : 上級 Tutorials : 構造化データ :- 特徴カラムで構造化データを分類する

TensorFlow 2.0 ステーブル版がリリースされましたので、チュートリアルやガイド等のドキュメントの最終的な翻訳をしています。

今回は上級チュートリアル「構造化データ」カテゴリーから、構造化データを特徴カラムで分類するためのチュートリアルです。このチュートリアルでは心臓疾患を予測するタスクを題材に、CSV 表形式データのような構造化データをどのように分類するかを示します。CSV カラムからモデルを訓練するために使用される特徴へのブリッジとして Feature Columns を使用し、その様々なカラム型について詳述されます。

上級チュートリアルは「カスタマイズ」「分散訓練」「画像」「テキスト」「構造化データ」「生成」のカテゴリーに分かれています。

[詳細] (11/15/2019)

 

TensorFlow 2.0 : 上級 Tutorials : テキスト :- 言語理解のための Transformer モデル

TensorFlow 2.0 ステーブル版がリリースされましたので、チュートリアルやガイド等のドキュメントの最終的な翻訳をしています。

今回は上級チュートリアル「テキスト」カテゴリーから、Transformer のチュートリアルです。Transformer をどのように作成するか、そして自己-attention、位置エンコーディング、マルチヘッド attention、マスキングの重要性等について学習します。

上級チュートリアルは「カスタマイズ」「分散訓練」「画像」「テキスト」「構造化データ」「生成」のカテゴリーに分かれています。

[詳細] (11/14/2019)

 

TensorFlow 2.0 : 上級 Tutorials : テキスト :- 画像キャプショニング with 視覚 attention

TensorFlow 2.0 ステーブル版がリリースされましたので、チュートリアルやガイド等のドキュメントの最終的な翻訳をしています。

今回は上級チュートリアル「テキスト」カテゴリーから、視覚 attention を伴う画像キャプショニングのチュートリアルです。目標は任意の画像が与えられた時にその表示内容に応じて、例えば “a man gets ready to hit a ball with a bat” や “a surfer riding on a wave” のようなキャプションを生成することです。(ニューラル機械翻訳と同様に) attention 機構ベースのモデルを使用します。

上級チュートリアルは「カスタマイズ」「分散訓練」「画像」「テキスト」「構造化データ」「生成」のカテゴリーに分かれています。

[詳細] (11/13/2019)

 

TensorFlow 2.0 : 上級 Tutorials : テキスト :- ニューラル機械翻訳 with Attention

TensorFlow 2.0 ステーブル版がリリースされましたので、チュートリアルやガイド等のドキュメントの最終的な翻訳をしています。

今回は上級チュートリアル「テキスト」カテゴリーから、Attention メカニズムを持つニューラル機械翻訳のチュートリアルです。
西英翻訳のための Sequence To Sequence (seq2seq) モデルを訓練して実演します。モデル訓練後には、”¿todavia estan en casa?” のようなスペイン語のセンテンスを入力して英語翻訳: “are you still at home?” を返すことができます。翻訳の間に入力センテンスのどの部分がモデルの attention を持つかを示す興味深いプロットも示します。

上級チュートリアルは「カスタマイズ」「分散訓練」「画像」「テキスト」「構造化データ」「生成」のカテゴリーに分かれています。

[詳細] (11/12/2019)

 

TensorFlow 2.0 : 上級 Tutorials : テキスト :- RNN でテキスト生成

TensorFlow 2.0 ステーブル版がリリースされましたので、チュートリアルやガイド等のドキュメントの最終的な翻訳をしています。

今回は上級チュートリアル「テキスト」カテゴリーから、RNN によるテキスト生成のチュートリアルです。Shakespeare の著作のデータセットを題材にして、文字ベース RNN を使用してテキストをどのように生成するかを実演します。

上級チュートリアルは「カスタマイズ」「分散訓練」「画像」「テキスト」「構造化データ」「生成」のカテゴリーに分かれています。

[詳細] (11/12/2019)

 

TensorFlow 2.0 : 上級 Tutorials : テキスト :- RNN でテキスト分類

TensorFlow 2.0 ステーブル版がリリースされましたので、チュートリアルやガイド等のドキュメントの最終的な翻訳をしています。

今回は上級チュートリアル「テキスト」カテゴリーから、RNN によるテキスト分類のチュートリアルです。このチュートリアルではセンチメント分析のために IMDB 映画レビューデータセット上でリカレント・ニューラルネットワークを訓練します。

上級チュートリアルは「カスタマイズ」「分散訓練」「画像」「テキスト」「構造化データ」「生成」のカテゴリーに分かれています。

[詳細] (11/09/2019)

 

TensorFlow 2.0 : 上級 Tutorials : テキスト :- 単語埋め込み

TensorFlow 2.0 ステーブル版がリリースされましたので、チュートリアルやガイド等のドキュメントの最終的な翻訳をしています。

今回は上級チュートリアル「テキスト」カテゴリーから、単語埋め込みのチュートリアルです。小さなデータセット上でスクラッチから単語埋め込みを訓練して Embedding Projector を使用してこれらの埋め込みを可視化する完全なコードを示します。

上級チュートリアルは「カスタマイズ」「分散訓練」「画像」「テキスト」「構造化データ」「生成」のカテゴリーに分かれています。

[詳細] (11/09/2019)

 

TensorFlow 2.0 : 上級 Tutorials : 画像 :- 画像セグメンテーション

TensorFlow 2.0 ステーブル版がリリースされましたので、チュートリアルやガイド等のドキュメントの最終的な翻訳をしています。

今回は上級チュートリアル「画像」カテゴリーから、画像セグメンテーションのチュートリアルです。このチュートリアルは修正された U-Net を使用して、画像セグメンテーションのタスクに焦点を当てます。画像セグメントは例えば医療画像処理、自動運転車そして衛星画像処理のような多くのアプリケーションを持ちます。

上級チュートリアルは「カスタマイズ」「分散訓練」「画像」「テキスト」「構造化データ」「生成」のカテゴリーに分かれています。

[詳細] (11/08/2019)

 

TensorFlow 2.0 : 上級 Tutorials : 画像 :- 事前訓練された ConvNet で転移学習

TensorFlow 2.0 ステーブル版がリリースされましたので、チュートリアルやガイド等のドキュメントの最終的な翻訳をしています。

今回は上級チュートリアル「画像」カテゴリーから、事前訓練された ConvNet を利用した転移学習のためのチュートリアルです。このチュートリアルでは MobileNet V2 をベースモデルとする事前訓練されたネットワークからの転移学習を使用して、「猫 vs 犬」データセットの画像をどのように分類するかを実演します。これはスクラッチからネットワークを訓練することによって獲得したものより高い精度を得ることを可能にします。

上級チュートリアルは「カスタマイズ」「分散訓練」「画像」「テキスト」「構造化データ」「生成」のカテゴリーに分かれています。

[詳細] (11/07/2019)

 

TensorFlow 2.0 : 上級 Tutorials : 画像 :- TensorFlow Hub で転移学習

TensorFlow 2.0 ステーブル版がリリースされましたので、チュートリアルやガイド等のドキュメントの最終的な翻訳をしています。

今回は上級チュートリアル「画像」カテゴリーから、TensorFlow Hub を利用した転移学習のためのチュートリアルです。TensorFlow Hub は事前訓練されたモデル・コンポーネントを共有するための方法で、このチュートリアルは以下を実演します :

  • tf.keras で TensorFlow Hub をどのように使用するか。
  • TensorFlow Hub を使用してどのように画像分類を行なうか。
  • どのように単純な転移学習を行なうか。

上級チュートリアルは「カスタマイズ」「分散訓練」「画像」「テキスト」「構造化データ」「生成」のカテゴリーに分かれています。

[詳細] (11/05/2019)

 

TensorFlow 2.0 : 上級 Tutorials : 画像 :- 画像分類

TensorFlow 2.0 ステーブル版がリリースされましたので、チュートリアルやガイド等のドキュメントの最終的な翻訳をしています。

今回は上級チュートリアル「画像」カテゴリーから、画像分類のチュートリアルです。画像から猫か犬かをどのように分類するかを示します。併せて、overfitting を回避するためにデータ増強と dropout のテクニックを導入します。

上級チュートリアルは「カスタマイズ」「分散訓練」「画像」「テキスト」「構造化データ」「生成」のカテゴリーに分かれています。

[詳細] (11/04/2019)

 

TensorFlow 2.0 : 上級 Tutorials : 画像 :- 畳み込みニューラルネットワーク (CNN)

TensorFlow 2.0 ステーブル版がリリースされましたので、チュートリアルやガイド等のドキュメントの最終的な翻訳をしています。

今回は上級チュートリアル「画像」カテゴリーから、畳み込みニューラルネットワークのチュートリアルです。CIFAR 10 を分類するための単純な畳み込みニューラルネットワーク (CNN) の訓練を実演します。Keras Sequential API を使用しますので、モデルの作成と訓練に数行のコードしか必要としません。

上級チュートリアルは「カスタマイズ」「分散訓練」「画像」「テキスト」「構造化データ」「生成」のカテゴリーに分かれています。

[詳細] (11/02/2019)

 

TensorFlow 2.0 : 上級 Tutorials : 分散訓練 :- 分散ストラテジーを使用してモデルをセーブとロードする

TensorFlow 2.0 ステーブル版がリリースされましたので、チュートリアルやガイド等のドキュメントの最終的な翻訳をしています。

今回は上級チュートリアル「分散訓練」カテゴリーから、分散ストラテジーとともにモデルのセーブとロードを行なうためのチュートリアルです。tf.distribute.Strategy を使用するとき SavedModel API をどのように使用できるかを実演します。

上級チュートリアルは「カスタマイズ」「分散訓練」「画像」「テキスト」「構造化データ」「生成」のカテゴリーに分かれています。

[詳細] (11/02/2019)

 

TensorFlow 2.0 : 上級 Tutorials : 分散訓練 :- Estimator でマルチワーカー訓練

TensorFlow 2.0 ステーブル版がリリースされましたので、チュートリアルやガイド等のドキュメントの最終的な翻訳をしています。

今回は上級チュートリアル「分散訓練」カテゴリーから、Estimator でマルチワーカー訓練を行なうチュートリアルです。tf.distribute.Strategy が tf.estimator で分散マルチワーカー訓練のためにどのように使用できるかを実演します。

上級チュートリアルは「カスタマイズ」「分散訓練」「画像」「テキスト」「構造化データ」「生成」のカテゴリーに分かれています。

[詳細] (10/31/2019)

 

TensorFlow 2.0 : 上級 Tutorials : 分散訓練 :- Keras でマルチワーカー訓練

TensorFlow 2.0 ステーブル版がリリースされましたので、チュートリアルやガイド等のドキュメントの最終的な翻訳をしています。

今回は上級チュートリアル「分散訓練」カテゴリーから、Keras でマルチワーカー訓練を行なうチュートリアルです。tf.distribute.Strategy API を使用して Keras モデルによるマルチワーカー分散訓練を実演します。

上級チュートリアルは「カスタマイズ」「分散訓練」「画像」「テキスト」「構造化データ」「生成」のカテゴリーに分かれています。

[詳細] (11/02/2019)

 

TensorFlow 2.0 : 上級 Tutorials : 分散訓練 :- tf.distribute.Strategy でカスタム訓練

TensorFlow 2.0 ステーブル版がリリースされましたので、チュートリアルやガイド等のドキュメントの最終的な翻訳をしています。

今回は上級チュートリアル「分散訓練」カテゴリーから、カスタム訓練ループで tf.distribute.Strategy をどのように使用するかを示すチュートリアルです。fashion MNIST データセット上で単純な CNN モデルを訓練しますが、モデルを訓練するためにカスタム訓練ループを使用します。このアプローチは訓練する上で柔軟性とより良い制御を与えてくれます。更にモデルと訓練ループのデバッグを容易にします。

上級チュートリアルは「カスタマイズ」「分散訓練」「画像」「テキスト」「構造化データ」「生成」のカテゴリーに分かれています。

[詳細] (10/30/2019)

 

TensorFlow 2.0 : 上級 Tutorials : 分散訓練 :- Keras で分散訓練

TensorFlow 2.0 ステーブル版がリリースされましたので、チュートリアルやガイド等のドキュメントの最終的な翻訳をしています。

今回は上級チュートリアル「分散訓練」カテゴリーから、Keras で分散訓練するためのチュートリアルです。tf.distribute.Strategy API は複数の処理ユニットに渡り訓練を分散するための抽象を提供します。目標は既存のモデルと訓練コードを最小限のコード変更で分散訓練を可能にすることです。このチュートリアルでは tf.distribute.MirroredStrategy を使用します。

上級チュートリアルは「カスタマイズ」「分散訓練」「画像」「テキスト」「構造化データ」「生成」のカテゴリーに分かれています。

[詳細] (10/30/2019)

 

TensorFlow 2.0 : 上級 Tutorials : カスタマイズ :- tf.function でパフォーマンスの改善

TensorFlow 2.0 ステーブル版がリリースされましたので、チュートリアルやガイド等のドキュメントの最終的な翻訳をしています。

今回は上級チュートリアル「カスタマイズ」カテゴリーから、tf.function でパフォーマンスの改善をするためのチュートリアルです。最高点のパフォーマンスを得て貴方のモデルをどこでも配備可能にするために、貴方のプログラムからグラフを作成するために tf.function を使用します

上級チュートリアルは「カスタマイズ」「分散訓練」「画像」「テキスト」「構造化データ」「生成」のカテゴリーに分かれています。

[詳細] (10/29/2019)

 

TensorFlow 2.0 : 上級 Tutorials : カスタマイズ :- カスタム訓練: ウォークスルー

TensorFlow 2.0 ステーブル版がリリースされましたので、チュートリアルやガイド等のドキュメントの最終的な翻訳をしています。

今回は上級チュートリアル「カスタマイズ」カテゴリーから、カスタム訓練 (i.e. 訓練ループのカスタマイズ) を TF 2.0 流儀でウォークスルーするチュートリアルです。題材は定番のアイリス花を種で分類するタスクとし、eager execution, tf.GradientTape, Dataset API そして Keras API を使用してカスタム訓練を実装していきます。

上級チュートリアルは「カスタマイズ」「分散訓練」「画像」「テキスト」「構造化データ」「生成」のカテゴリーに分かれています。

[詳細] (10/29/2019)

TensorFlow 2.0 : 上級 Tutorials : カスタマイズ :- カスタム訓練: 基本

TensorFlow 2.0 ステーブル版がリリースされましたので、チュートリアルやガイド等のドキュメントの最終的な翻訳をしています。

今回は上級チュートリアルの「カスタマイズ」カテゴリーから、カスタム訓練 (基本編) のチュートリアルです。TensorFlow プリミティブを使用して単純な機械学習を行ないます。

上級チュートリアルは「カスタマイズ」「分散訓練」「画像」「テキスト」「構造化データ」「生成」のカテゴリーに分かれています。

[詳細] (10/28/2019)

 

TensorFlow 2.0 : 上級 Tutorials : カスタマイズ :- 自動微分と gradient tape

TensorFlow 2.0 ステーブル版がリリースされましたので、チュートリアルやガイド等のドキュメントの最終的な翻訳をしています。

今回は上級チュートリアルの「カスタマイズ」カテゴリーから、自動微分と gradient tape のチュートリアルです。このチュートリアルでは 自動微分 をカバーします。これは機械学習モデルを最適化するための主要テクニックです。

上級チュートリアルは「カスタマイズ」「分散訓練」「画像」「テキスト」「構造化データ」「生成」のカテゴリーに分かれています。

[詳細] (10/28/2019)

 

TensorFlow 2.0 : 上級 Tutorials : カスタマイズ :- カスタム層

TensorFlow 2.0 ステーブル版がリリースされましたので、チュートリアルやガイド等のドキュメントの最終的な翻訳をしています。

初級チュートリアルの翻訳が完了したので、上級チュートリアルに移行しています。
今回は上級チュートリアルの「カスタマイズ」カテゴリーから、カスタム層のチュートリアルです。

機械学習モデルのためのコードを書く際の時間の殆どで個々の演算と個々の変数の操作よりも抽象度の高いレベルで操作することを望むでしょう。ニューラルネットワークを構築するために tf.keras を高位 API として使用することが推奨されます。TensorFlow は tf.keras パッケージで完全な Keras API を含み、そして Keras 層は貴方自身のモデルを構築するとき非常に有用です。

上級チュートリアルは「カスタマイズ」「分散訓練」「画像」「テキスト」「構造化データ」「生成」のカテゴリーに分かれています。

[詳細] (10/28/2019)

 

TensorFlow 2.0 : 上級 Tutorials : カスタマイズ :- テンソルと演算

TensorFlow 2.0 ステーブル版がリリースされましたので、チュートリアルやガイド等のドキュメントの最終的な翻訳をしています。

初級チュートリアルの翻訳が完了したので、上級チュートリアルに移ります。
今回は上級チュートリアルの「カスタマイズ」カテゴリーから、テンソルと演算のチュートリアルです。これは初歩的な次の内容です : * 必要なパッケージのインポート * tensor を作成して使用する * GPU アクセラレーションを使用する * tf.data.Dataset を実演する。

上級チュートリアルは「カスタマイズ」「分散訓練」「画像」「テキスト」「構造化データ」「生成」のカテゴリーに分かれています。

[詳細] (10/28/2019)

 

TensorFlow 1.15.0 リリースノート

既に TensorFlow 2.0 がリリースされていますが、TensorFlow 1.15 の安定版がリリースされました。
いつものようにリリースノートを翻訳しておきました。前バージョン (1.14) からおよそ 4 ヶ月が経過しています。

リリースノートによれば最後の 1.x リリースとなるようです。
1 年間は脆弱性を修正するためのパッチリリースが想定されているようですが、新規機能の実装目的では更新予定はないとのことですので、積極的な 2.0 への移行が推奨されます。

その他の重要な点としては、GPU サポートを持つプラットフォーム (Linux & Windows) に対しては tensorflow pip パッケージはデフォルトで GPU サポートを含みます。

[詳細] (10/17/2019)

 

TensorFlow 2.0 : 初級 Tutorials : Estimator :- Keras モデルから Estimator を作成する

TensorFlow 2.0 ステーブル版がリリースされ、チュートリアルやガイド等のドキュメントの最終的な翻訳をしています。

今回は初級チュートリアルの「Estimator」カテゴリーの中から、Keras モデルから Estimator を作成するためのチュートリアルです。

初級チュートリアルは「Keras ML 基本」「データのロードと前処理」「Estimator」のカテゴリーに分かれています。

[詳細] (10/11/2019)

 

TensorFlow 2.0 : 初級 Tutorials : Estimator :- 勾配ブースティング木: モデル理解

TensorFlow 2.0 ステーブル版がリリースされ、チュートリアルやガイド等のドキュメントの最終的な翻訳をしています。

今回は初級チュートリアルの「Estimator」カテゴリーの中から、勾配ブースティング木のモデル理解のためのチュートリアルです。このチュートリアルでは特徴量重要度と DFC (directional feature contributions) の利用によりブースティング木モデルをどのように解釈するかを学習します。これらのテクニックは特徴量がモデル予測にどのようにインパクトを与えるかの洞察を提供します。また幾つかのモデルについて決定面を見ることによりブースティング木モデルがデータセットにどのように fit するかについての直感を得ることも目標です。

初級チュートリアルは「Keras ML 基本」「データのロードと前処理」「Estimator」のカテゴリーに分かれています。

[詳細] (10/11/2019)

 

TensorFlow 2.0 : 初級 Tutorials : Estimator :- Estimator を使用するブースティング木

TensorFlow 2.0 ステーブル版がリリースされ、チュートリアルやガイド等のドキュメントの最終的な翻訳をしています。

今回は初級チュートリアルの「Estimator」カテゴリーの中から、ブースティング木モデルのチュートリアルです。tf.estimator API で勾配ブースティング木モデルを訓練します。ブースティング木モデルは回帰と分類の両者のために最も一般的で効果的な機械学習アプローチの一つで、多くの機械学習実践者に人気があります。それは幾つかの、あるいは数多くの決定木モデルからの予測を連結するアンサンブル・テクニックです。

初級チュートリアルは「Keras ML 基本」「データのロードと前処理」「Estimator」のカテゴリーに分かれています。

[詳細] (10/10/2019)

 

TensorFlow 2.0 : 初級 Tutorials : Estimator :- Estimator で線形モデルを構築する

TensorFlow 2.0 ステーブル版がリリースされ、チュートリアルやガイド等のドキュメントの最終的な翻訳をしています。

今回は初級チュートリアルの「Estimator」カテゴリーの中から、Estimator で線形モデルを構築するチュートリアルです。このチュートリアルでは tf.estimator API を使用してロジスティック回帰モデルを訓練します。このモデルはしばしば他のより複雑なアルゴリズムのためのベースラインとして使用されます。

初級チュートリアルは「Keras ML 基本」「データのロードと前処理」「Estimator」のカテゴリーに分かれています。

[詳細] (10/10/2019)

 

TensorFlow 2.0 : 初級 Tutorials : Estimator :- Premade Estimator

TensorFlow 2.0 ステーブル版がリリースされ、チュートリアルやガイド等のドキュメントの最終的な翻訳をしています。

初級チュートリアル「データのロードと前処理」カテゴリーが完了しましたので「Estimator」に入ります。今回は「Estimator」カテゴリーの中から、Premade Estimator を扱うチュートリアルです。このチュートリアルでは Estimator を使用して TensorFlow でアイリス分類問題をどのように解くかを示します。Estimator は完全なモデルの TensorFlow の高位表現で、そしてそれは容易なスケーリングと非同期訓練のために設計されています。

初級チュートリアルは「Keras ML 基本」「データのロードと前処理」「Estimator」のカテゴリーに分かれています。

[詳細] (10/10/2019)

 

TensorFlow 2.0 : 初級 Tutorials : データのロードと前処理 :- TFRecord と tf.Example

TensorFlow 2.0 ステーブル版がリリースされ、チュートリアルやガイド等のドキュメントもステーブル版として公開されましたので、改めて最終的な翻訳をしています。

今回は初級チュートリアルの「データのロードと前処理」カテゴリーの中から、TFRecord と tf.Example を扱うチュートリアルです。TFRecord 形式は protocol buffer を利用してバイナリ・レコードのシークエンスをストアするための単純な形式です。

初級チュートリアルは「Keras ML 基本」「データのロードと前処理」「Estimator」のカテゴリーに分かれています。

[詳細] (10/09/2019)

 

TensorFlow 2.0 : 初級 Tutorials : データのロードと前処理 :- TF.Text

TensorFlow 2.0 ステーブル版がリリースされ、チュートリアルやガイド等のドキュメントもステーブル版として公開されましたので、改めて最終的な翻訳をしています。

今回は初級チュートリアルの「データのロードと前処理」カテゴリーの中から、TF.Text を扱うチュートリアルです。

初級チュートリアルは「Keras ML 基本」「データのロードと前処理」「Estimator」のカテゴリーに分かれています。

[詳細] (10/08/2019)

 

TensorFlow 2.0 : 初級 Tutorials : データのロードと前処理 :- Unicode 文字列

TensorFlow 2.0 ステーブル版がリリースされ、チュートリアルやガイド等のドキュメントもステーブル版として公開されましたので、改めて最終的な翻訳をしています。

今回は初級チュートリアルの「データのロードと前処理」カテゴリーの中から、Unicode 文字列を扱うチュートリアルです。

初級チュートリアルは「Keras ML 基本」「データのロードと前処理」「Estimator」のカテゴリーに分かれています。

[詳細] (10/07/2019)

 

TensorFlow 2.0 : 初級 Tutorials : データのロードと前処理 :- テキストをロードする

TensorFlow 2.0 ステーブル版がリリースされ、チュートリアルやガイド等のドキュメントもステーブル版として公開されましたので、改めて最終的な翻訳をしています。

今回は初級チュートリアルの「データのロードと前処理」カテゴリーの中から、テキストのロードを扱うチュートリアルです。

初級チュートリアルは「Keras ML 基本」「データのロードと前処理」「Estimator」のカテゴリーに分かれています。

[詳細] (10/06/2019)

 

TensorFlow 2.0 : 初級 Tutorials : データのロードと前処理 :- 画像をロードする

TensorFlow 2.0 ステーブル版がリリースされ、チュートリアルやガイド等のドキュメントもステーブル版として公開されましたので、改めて最終的な翻訳をしています。

今回は初級チュートリアルの「データのロードと前処理」カテゴリーの中から、画像のロードを扱うチュートリアルです。tf.data を使用してどのように画像データセットをロードするかの単純なサンプルを提供します。

初級チュートリアルは「Keras ML 基本」「データのロードと前処理」「Estimator」のカテゴリーに分かれています。

[詳細] (10/06/2019)

 

TensorFlow 2.0 : 初級 Tutorials : データのロードと前処理 :- pandas.DataFrame をロードする

TensorFlow 2.0 ステーブル版がリリースされ、チュートリアルやガイド等のドキュメントもステーブル版として公開されましたので、改めて最終的な翻訳をしています。

今回は初級チュートリアルの「データのロードと前処理」カテゴリーの中から pandas のデータフレームを扱うチュートリアルです。pandas.DataFrame をどのように tf.data.Dataset にロードするかのサンプルを提供します。

初級チュートリアルは「Keras ML 基本」「データのロードと前処理」「Estimator」のカテゴリーに分かれています。

[詳細] (10/06/2019)

 

TensorFlow 2.0 : 初級 Tutorials : データのロードと前処理 :- NumPy データをロードする

TensorFlow 2.0 ステーブル版がリリースされ、チュートリアルやガイド等のドキュメントもステーブル版として公開されましたので、改めて最終的な翻訳をしています。

今回は初級チュートリアルの「データのロードと前処理」カテゴリーの中から、NumPy データのロードを扱うチュートリアルです。
初級チュートリアルは「Keras ML 基本」「データのロードと前処理」「Estimator」のカテゴリーに分かれています。

[詳細] (10/06/2019)

 

TensorFlow 2.0 : 初級 Tutorials : データのロードと前処理 :- CSV データをロードする

TensorFlow 2.0 ステーブル版がリリースされ、チュートリアルやガイド等のドキュメントもステーブル版として公開されましたので、改めて最終的な翻訳をしています。

今回は初級チュートリアルの「データのロードと前処理」カテゴリーの中から、CSV データのロードを扱うチュートリアルです。CSV データをどのように tf.data.Dataset にロードするかのサンプルを提供します。

初級チュートリアルは「Keras ML 基本」「データのロードと前処理」「Estimator」のカテゴリーに分かれています。

[詳細] (10/06/2019)

 

TensorFlow 2.0 : 初級 Tutorials : Keras ML 基本 :- モデルをセーブしてロードする

TensorFlow 2.0 ステーブル版がリリースされ、チュートリアルやガイド等のドキュメントもステーブル版として公開されましたので、改めて最終的な翻訳をしています。

今回は初級チュートリアルの「Keras ML 基本」カテゴリーの中から、モデルのセーブのロードを扱うチュートリアルです。TensorFlow モデルをセーブする異なる方法があり、これは貴方が使用している API に依拠します。このチュートリアルでは tf.keras, TensorFlow でモデルを構築・訓練するための高位 API を使用します。

初級チュートリアルは「Keras ML 基本」「データのロードと前処理」「Estimator」のカテゴリーに分かれています。

[詳細] (10/05/2019)

 

TensorFlow 2.0 : 初級 Tutorials : Keras ML 基本 :- overfitting と underfitting を調査する

TensorFlow 2.0 ステーブル版がリリースされ、チュートリアルやガイド等のドキュメントもステーブル版として公開されましたので、改めて最終的な翻訳をしています。

今回は初級チュートリアルの「Keras ML 基本」カテゴリーの中から、overfitting & underfitting を扱うチュートリアルです。両者について説明された後、overfitting を回避するストラテジーとして重み正則化 (L1 & L2 正則化) の追加と dropout の利用方法が詳述されて実演されます。

初級チュートリアルは「Keras ML 基本」「データのロードと前処理」「Estimator」のカテゴリーに分かれています。

[詳細] (10/04/2019)

 

TensorFlow 2.0 : 初級 Tutorials : Keras ML 基本 :- 燃費効率を予測する : 基本的な回帰

TensorFlow 2.0 ステーブル版がリリースされ、チュートリアルやガイド等のドキュメントもステーブル版として公開されましたので、改めて最終的な翻訳をしていきます。

今回は初級チュートリアルの「Keras ML 基本」カテゴリーの中から、回帰問題を扱うチュートリアルです。回帰問題では価格や確率のような連続値の出力を予測することを狙いとします。このチュートリアルでは古典的な Auto MPG データセットを使用して自動車の燃費効率を予測するモデルを構築します。

初級チュートリアルは「Keras ML 基本」「データのロードと前処理」「Estimator」のカテゴリーに分かれています。

[詳細] (10/03/2019)

 

TensorFlow 2.0 : 初級 Tutorials : Keras ML 基本 :- 前処理されたテキストでテキスト分類 : 映画レビュー

TensorFlow 2.0 ステーブル版がリリースされ、チュートリアルやガイド等のドキュメントもステーブル版として公開されましたので、改めて最終的な翻訳をしていきます。

今回は初級チュートリアルの「Keras ML 基本」カテゴリーの中から、tfds モジュールでパッケージ化された IMDB 映画レビュー・データセットを利用して、映画レビューを題材とするテキスト分類 – レビューが肯定的か否定的かの二値分類タスクを扱うチュートリアルです。

初級チュートリアルは「Keras ML 基本」「データのロードと前処理」「Estimator」のカテゴリーに分かれています。

[詳細] (10/03/2019)

 

TensorFlow 2.0 : 初級 Tutorials : Keras ML 基本 :- TensorFlow Hub でテキスト分類 : 映画レビュー

TensorFlow 2.0 ステーブル版がリリースされ、チュートリアルやガイド等のドキュメントもステーブル版として公開されましたので、改めて最終的な翻訳をしていきます。

今回は初級チュートリアルの「Keras ML 基本」カテゴリーの中から、TensorFlow Hub と Keras による転移学習の基本的な応用を実演します。映画レビューを題材とするテキスト分類 – レビューが肯定的か否定的かの二値分類タスクを扱います。

初級チュートリアルは「Keras ML 基本」「データのロードと前処理」「Estimator」のカテゴリーに分かれています。

[詳細] (10/02/2019)

 

TensorFlow 2.0 : 初級 Tutorials : Keras ML 基本 :- 衣料品画像を予測する : 基本分類

TensorFlow 2.0 ステーブル版がリリースされ、チュートリアルやガイド等のドキュメントもステーブル版として公開されましたので、改めて最終的な翻訳をしていきます。

最初は初級チュートリアルです。初級チュートリアルは「Keras ML 基本」「データのロードと前処理」「Estimator」のカテゴリーに分かれています。

今回は「Keras ML 基本」カテゴリーの中から、Fashion-MNIST を題材とする最も基本的な画像分類を扱うチュートリアルです。

[詳細] (10/01/2019)

 

TensorFlow 2.0.0 リリースノート

待望の TensorFlow 2.0.0 ステーブル版が 10月1日 にリリースされました。ステーブル版のチュートリアルやガイドも順次翻訳予定です。

TensorFlow 2.0 では単純性と使いやすさが重視されていて、最初に特徴として挙げられているのは : (1) Keras と Eager execution による容易なモデル構築、(2) (任意のプラットフォームにおける) 製品レベルの堅牢なモデル配備、(3) 研究のためのパワフルな実験、(4) API の単純化です。

そしてハイライトとして、まず TF 2.0 では Keras がモデル構築して訓練するための中心的な高位 API として位置づけられています。また、tf.Session を通した宣言的プログラミングから脱却して通常の Python 関数で置き換えられます。

[詳細] (10/01/2019)

 

TensorFlow 2.0 Beta : 上級 Tutorials : 「カスタマイズ」総合

TensorFlow 2.0 の beta 1 がリリースされチュートリアルやガイドも併せて公開されました。
alpha 0 のドキュメントから再構成され追加や修正が入っていますので、順次再翻訳しています。

以下の「カスタマイズ」上級チュートリアルの 6 編の翻訳を完了しました。(07/04/2019)

 

TensorFlow 2.0 Beta : Tutorials : 「テキストとシークエンス」総合

TensorFlow 2.0 の beta 1 がリリースされチュートリアルやガイドも併せて公開されました。
alpha 0 のドキュメントから再構成され追加や修正が入っていますので、順次再翻訳しています。

以下の「テキストとシークエンス」チュートリアルの 3 編の翻訳を完了しました。(07/01/2019)

 
~ 2019/06/30

TensorFlow 2.0 Beta : Tutorials : 「画像」総合

TensorFlow 2.0 の beta 0&1 がリリースされチュートリアルやガイドも併せて公開されました。
alpha 0 のドキュメントから追加や修正が入っていますので、順次再翻訳しています。

以下の「画像」チュートリアルの 3 編の翻訳を完了しました。(06/30/2019)

 

TensorFlow 2.0 Beta : Tutorials : 「ML 基本」総合

TensorFlow 2.0 の beta 0&1 がリリースされチュートリアルやガイドも併せて公開されました。
alpha 0 のドキュメントから追加や修正が入っていますので、順次再翻訳しています。

以下の「ML 基本」チュートリアルの 6 編の翻訳を完了しました。ご参考まで。(06/23/2019)

 

TensorFlow 1.14.0 リリースノート

TensorFlow 2.0 への期待が高まる中、TensorFlow 1.14 の安定版がリリースされました。
いつものようにリリースノートを翻訳しておきました。前バージョン (1.13) からおよそ 4 ヶ月が経過しています。

重要な点として、TF 1.14 は compat.v2 モジュールを含む最初の 1.x リリースとなることです。このモジュールはライブラリに TF 1.x と 2.x の両者で動作するコードを公開可能にするために必要です。このリリース後、TF 2.0 Python API において後方非互換な変更は許容されません。

また、非 Windows (i.e. Linux, MacOS) システム・ライブラリがバージョン付けされます。これは一般のユーザには透過です。システムパッケージ保守者や TensorFlow への拡張を作成する人にだけ影響を与えます。

[詳細] (06/19/2019)

 

TensorFlow 2.0 Beta : ガイド : Keras 総合

TensorFlow 2.0 の beta 0&1 がリリースされると同時にチュートリアルやガイドも併せて公開されました。
alpha 0 のドキュメントから追加や修正が入っていますので、順次再翻訳しています。

以下の Keras ガイドの 6 編の翻訳を完了しました。ご参考まで。(06/20/2019)

 

TensorFlow Text – Tensorflow でテキスト処理

TensorFlow Text は新たに google 社から公開された TensorFlow 2.0 用のテキスト処理ライブラリで、もちろん Eager execution とも互換性があります。現在のところ唯一のドキュメントである README を翻訳しておきました。

テキスト処理において TensorFlow Text を使用するメリットはその演算が TensorFlow グラフ内で行われることです。TensorFlow Text は TensorFlow 2.0 ですぐに利用できるテキスト関連クラスと ops のコレクションを提供しており、テキストベースのモデルで必要なトークン化のような前処理を遂行できて、(コア TensorFlow では提供されない) シークエンスモデルのために有用な他の特徴も含んでいます。

[詳細] (06/12/2019)

 

TensorFlow 2.0 Beta : ガイド : TensorFlow 2.0 の tf.function と AutoGraph

TensorFlow 2.0 の beta 0 がリリースされると同時に、チュートリアルやガイドも併せて公開されました。
alpha 0 のドキュメントから追加や修正が入っていますので、順次再翻訳していきます。

今回翻訳したのはプログラマーズガイドの tf.function と AutoGraph のページです。
TF 2.0 は eager execution の容易さと TF 1.0 のパワーを一つにまとめています。この融合の中心には tf.function があります、これは Python シンタクスのサブセットを可搬な、高パフォーマンスの TensorFlow グラフに変換することを可能にします。

[詳細] (06/09/2019)

 

TensorFlow 2.0 Beta : ガイド : Eager エッセンシャル

TensorFlow 2.0 の beta 0 がリリースされると同時に、チュートリアルやガイドも併せて公開されました。
alpha 0 のドキュメントから追加や修正が入っていますので、順次再翻訳していきます。

今回翻訳したのはプログラマーズガイドの Eager エッセンシャルのページです。
Eager execution は TensorFlow 1.x でも既に導入されていますが、TensorFlow 2.0 では Eager execution はデフォルトで有効にされています。

[詳細] (06/09/2019)

 

TensorFlow 2.0.0-beta0 リリースノート

待望の TensorFlow 2.0 の beta 版がリリースされました。alpha0 から丁度3ヶ月が経過しています。

TensorFlow 2.0 では単純性と使いやすさが重視されていて、最初に特徴として挙げられているのは : (1) Keras と Eager execution による容易なモデル構築、(2) (任意のプラットフォームにおける) 製品レベルの堅牢なモデル配備、(3) 研究のためのパワフルな実験、(4) API の単純化です。

Beta 0 では TF 2.0 API 仕様がフリーズされてその一部は TensorFlow 1.14 リリースでも利用可能になっています。
また新しい tf.distribute.Strategy API が提供され、カスタム訓練ループと Keras サブクラスモデルのためのサポートの他、幾つかのストラテジーが利用可能になっています。

[詳細] (06/08/2019)

 

TensorFlow : Graph Nets : グラフの最短経路を見つける

Graph Nets は TensorFlow と Sonnet でグラフネットワークを構築するための DeepMind のライブラリです。幾つかドキュメントがありますので翻訳していきます。

最初は README と最短経路問題のためのグラフネットワークのチュートリアルをまとめました。

README ではグラフネットワークについての簡単な説明と最小限のサンプルコードがあり、チュートリアルではグラフの 2 つのノード間の最短経路を予測することを学習するために Graph Nets ライブラリをどのように使用するかが示されます。

最短経路デモはランダムグラフを作成して、任意の 2 つのノードの間の最短経路上のノードとエッジをラベル付けするためにグラフネットワークを訓練します。メッセージパッシングのステップのシークエンスに渡り 、モデルは最短経路のその予測を改良していきます。

[詳細] (06/07/2019)

 

TensorFlow Graphics : Tutorials : 球面調和関数レンダリング

TensorFlow Graphics はコンピュータ・ビジョン/グラフィックスと機械学習の融合を可能にする TensorFlow の拡張ライブラリです。
TensorFlow Graphics v1.0 が今月にリリースされましたので、ドキュメントの翻訳を進めています。

上級チュートリアルに入り、最初は球面調和関数の高位な理解とライティングのため利用方法を示す toy サンプルが提供されます。球面調和関数を使用して球面に渡り定義された関数をどのように近似するかが示されます。これらはライティングと反射率を近似するために使用することができて、これは非常に効率的なレンダリングに繋がります。

[詳細] (05/31/2019)

 

TensorFlow Graphics : Tutorials : 非剛体サーフェス

TensorFlow Graphics はコンピュータ・ビジョン/グラフィックスと機械学習の融合を可能にする TensorFlow の拡張ライブラリです。
TensorFlow Graphics v1.0 が今月にリリースされましたので、ドキュメントの翻訳を進めています。

中級チュートリアルの最後は非剛体サーフェスを扱います。
非剛体サーフェス変形はメッシュを対話的に操作する際に利用できるテクニックです。メッシュを操作するときに例えばユーザにキャラクターの手を動かして腕の残りを現実的な手段で変形させることを可能にします。このチュートリアルではこの変形を遂行するためにどのように TensorFlow Graphics を使用するかを示します。

[詳細] (05/30/2019)

 

TensorFlow Graphics : Tutorials : 3D マテリアルとのライト相互作用 (リフレクション)

TensorFlow Graphics はコンピュータ・ビジョン/グラフィックスと機械学習の融合を可能にする TensorFlow の拡張ライブラリです。
TensorFlow Graphics v1.0 が今月にリリースされましたので、ドキュメントの翻訳を進めています。

中級チュートリアルでレフレクション (反射)、つまり 3D マテリアル (素材) とライトとの相互作用を扱います。
私達の回りの世界は多様なマテリアルから構成されていてライトと異なった相互作用をします。その相互作用を正確にモデル化することは様々なエフェクト (効果) を伴う複雑な過程ですがこのチュートリアルでは最も一般的な効果、反射に注目します。

[詳細] (05/30/2019)

 

TensorFlow Graphics : Tutorials : B-スプラインと Slerp 補間

TensorFlow Graphics はコンピュータ・ビジョン/グラフィックスと機械学習の融合を可能にする TensorFlow の拡張ライブラリです。
TensorFlow Graphics v1.0 が今月にリリースされましたので、ドキュメントの翻訳を進めています。

中級チュートリアルに入ります。最初は TensorFlow Graphics を利用して B-スプラインと Slerp (球面線形補間) 補間を遂行します。

[詳細] (05/28/2019)

 

TensorFlow Graphics : Tutorials : カメラ・キャリブレーション

TensorFlow Graphics はコンピュータ・ビジョン/グラフィックスと機械学習の融合を可能にする TensorFlow の拡張ライブラリです。
TensorFlow Graphics v1.0 が今月にリリースされましたので、ドキュメントの翻訳を進めています。

今回は射影カメラモデルの内部パラメータ (主点と焦点距離) を推定するために Tensorflow Graphics をどのように利用するかを示します。これらのパラメータの推定は 3D シーン再構成を含む幾つかのタスクを遂行するために特に重要です。

[詳細] (05/28/2019)

 

TensorFlow Graphics : Tutorials : 物体ポーズ推定 / 整列

TensorFlow Graphics はコンピュータ・ビジョン/グラフィックスと機械学習の融合を可能にする TensorFlow の拡張ライブラリです。
TensorFlow Graphics v1.0 が今月にリリースされましたので、ドキュメントの翻訳を進めています。

最初のチュートリアルは物体ポーズ推定を扱います。既知の 3D 物体の回転と移動を推定するために TensorFlow Graphics をどのように使用するかを示します。
物体のポーズ (姿勢) を正確に推定することは基本的です。例えば AR / VR (拡張現実 / 仮想現実) において、これらの物体と相互作用することによりユーザが幾つかの物体 (に内在する変数) の状態を変更することを可能にします。

[詳細] (05/25/2019)

 

TensorFlow Graphics : README

今月 TensorFlow Graphics v1.0 がリリースされましたので、README を翻訳しておきます。
ここ数年、ニューラルネットワーク・アーキテクチャに挿入できる新しい微分可能なグラフィックレイヤーが出現してきています。空間的な変換から微分可能なグラフィックレンダラーまで、これらの新しいレイヤーは (新しい効率的な) ネットワーク・アーキテクチャを構築するために、長年に渡るコンピュータビジョンとグラフィックスの研究で獲得された知識を活用しています。

[詳細] (05/24/2019)

 

TensorFlow 2.0 Alpha : 上級 Tutorials : データのロード :- tf.data で画像をロードする

TensorFlow 2.0 alpha 0 リリースの上級チュートリアルの翻訳を進めています。

今回は「データのロード」カテゴリーから、tf.data の利用方法のチュートリアルです。このチュートリアルでは tf.data を使用してどのように画像データセットをロードするかの単純なサンプルが提供されます。このサンプルで使用されるデータセットは (各ディレクトリを画像の 1 クラスとして) 画像のディレクトリとして配置されます。

チュートリアルは *初心者チュートリアルと *上級チュートリアルに分割され、更に上級チュートリアルは「カスタマイズ」…「GAN と VAE」「データのロード」等の幾つかのカテゴリーに分かれています。TF 1.x のチュートリアルをベースに改訂されたものと新規に追加されたドキュメントの両者があります。

[詳細] (04/12/2019)

 
~ 2019/03/31

TensorFlow 2.0 Alpha : Tutorials : ML 基本 :- モデルをセーブしてリストアする

TensorFlow 2.0 の alpha 0 のリリースに併せてドキュメントも公開されましたので順次翻訳しています。ガイドの翻訳が完了しましたので、チュートリアルに進んでいます。

今回は「ML 基本」カテゴリーのモデルのセーブとリストアを扱うチュートリアルです。
モデルの進捗は訓練中、訓練後にセーブすることが可能です。これは訓練を中止したところから訓練を再開できて、また貴方がモデルを共有することにより他の人はそのワークを再現できることも意味します。

チュートリアルは「ML 基本」「画像」「テキストとシークエンス」等の幾つかのカテゴリーに分かれています。TF 1.x のチュートリアルをベースに改訂されたものと新規に追加されたドキュメントの両者があります。

[詳細] (03/31/2019)

 

TensorFlow 2.0 Alpha : ガイド : サービングへの単純なパス

TensorFlow 2.0 の alpha 0 がリリースされると同時に、チュートリアルやガイドも併せて公開されましたので、順次翻訳しています。

今回翻訳したのはプログラマーズガイドの SavedModel のページです。SavedModel コマンドライン・インターフェイスについても詳述されます。

SavedModel フォーマットは重み (チェックポイント) に加えてモデルで定義された計算のシリアライズされた記述を含みます、つまり完全な TensorFlow プログラムを含みます。モデルを作成したソースコードから独立で、実行するために元のモデル構築コードを必要としません。

そのため他のプログラミング言語 (C, C++, Java, Go, Rust, C# etc. TensorFlow API) のプログラムを通した配備に適していて、TensorFlow Serving をはじめとする TFLite, TensorFlow.js による配備、更には TFHub によるモデル共有において有用です。

[詳細] (03/25/2019)

 

TensorFlow 2.0 Alpha : ガイド : 訓練チェックポイント

TensorFlow 2.0 の alpha 0 がリリースされると同時に、チュートリアルやガイドも併せて公開されましたので、順次翻訳しています。

今回翻訳したのはプログラマーズガイドのチェックポイントのページです。
TensorFlow モデルをセーブするには (1) チェックポイント (2) SavedModel を使用する 2 つの方法があり、チェックポイントはモデルの総てのパラメータ値のみを捕捉し、セーブされたパラメータ値を使用するソースコードが利用可能であるときに限り有用です。

SavedModel フォーマットはパラメータ値 (チェックポイント) に加えてモデルで定義された計算のシリアライズされた記述を含みますので、モデルを作成したソースコードから独立です。そのため TensorFlow Serving や他のプログラミング言語 (C, C++, Java, Go, Rust, C# etc. TensorFlow API) のプログラムを通した配備に適しています。

このガイドはチェックポイントを書いて読むための API をカバーします。

[詳細] (03/24/2019)

 

TensorFlow 2.0 Alpha : ガイド : tf.data パフォーマンス

TensorFlow 2.0 の alpha 0 がリリースされると同時に、チュートリアルやガイドも併せて公開されましたので、順次翻訳しています。

今回翻訳したのはプログラマーズガイドの tf.data パフォーマンスのページです。
GPU や TPU は訓練ステップの実行に必要な時間を劇的に減少させますが、最高のパフォーマンスを得るためには効率的な入力パイプラインが必要です。

tf.data API は柔軟で効率的な入力パイプラインを構築する手助けをします。このガイドでは最初に TensorFlow 入力パイプライン構造が本質的には ETL プロセスであることを示し、そしてボトルネックを抑えて高パフォーマンスな入力パイプラインを構築するための tf.data API の特徴とベストプラクティスを説明します。

[詳細] (03/23/2019)

 

TensorFlow 2.0 Alpha : ガイド : GPU を使用する

TensorFlow 2.0 の alpha 0 がリリースされると同時に、チュートリアルやガイドも併せて公開されましたので、順次翻訳しています。

今回翻訳したのはプログラマーズガイドの TensorFlow の GPU の使用方法のページです。
基本事項加えて、GPU メモリの制御そしてマルチ GPU の利用方法について説明されます。マルチ GPU の利用は分散訓練ガイドで説明された tf.distribute.Strategy を利用することもできますし、自前で実装することも可能です。

[詳細] (03/22/2019)

 

TensorFlow 2.0 Alpha : ガイド : TensorFlow で分散訓練

TensorFlow 2.0 の alpha 0 がリリースされると同時に、チュートリアルやガイドも併せて公開されましたので、順次翻訳しています。

今回翻訳したのはプログラマーズガイドの TensorFlow の分散訓練のページです。
tf.distribute.Strategy はマルチ GPU、マルチマシンや TPU に渡り訓練を分散するための TensorFlow API です。この API を使用すればユーザは既存のモデルや訓練コードを最小限のコード変更で分散できます。

tf.distribute.Strategy は tf.keras、tf.estimator とカスタム訓練ループ、更には TensorFlow を使用する任意の計算をも分散させるために使用できます。

[詳細] (03/21/2019)

 

TensorFlow 2.0 Alpha : ガイド : TensorFlow 2.0 の tf.function と AutoGraph

TensorFlow 2.0 の alpha 0 がリリースされると同時に、チュートリアルやガイドも併せて公開されましたので、順次翻訳しています。

今回翻訳したのはプログラマーズガイドの tf.function と AutoGraph のページです。
TF 2.0 は eager execution の容易さと TF 1.0 のパワーを一つにまとめています。この融合の中心には tf.function があります、これは Python シンタクスのサブセットを可搬な、高パフォーマンスの TensorFlow グラフに変換することを可能にします。

[詳細] (03/13/2019)

 

TensorFlow 2.0 Alpha : ガイド : Eager Execution

TensorFlow 2.0 の alpha 0 がリリースされると同時に、チュートリアルやガイドも併せて公開されましたので、順次翻訳しています。

今回翻訳したのはプログラマーズガイドの eager execution のページです。
eager execution は TensorFlow 1.x でも既に導入されていますが、TensorFlow 2.0 では eager execution はデフォルトで有効にされています。

[詳細] (03/11/2019)

 

TensorFlow 2.0 Alpha : 既存コードを TensorFlow 2.0 に変換する

TensorFlow 2.0 の alpha 0 がリリースされると同時に、チュートリアルやガイドも併せて公開されましたので、順次翻訳しています。

今回翻訳したのは TensorFlow 1.x から 2.0 への移行ガイドです。

TensorFlow 2.0 の優位点をフルに活用するために、既存の TensorFlow 1.x のコードを 2.0 ネイティブなコードにどのように変換するかについて、変換前と変換後のコードを比較しながら詳述されています。

TensorFlow 2.0 のスタイルガイド – プログラミング作法の解説にもなっています。

[詳細] (03/11/2019)

 

TensorFlow 2.0 Alpha : クイックスタート for beginners & experts

TensorFlow 2.0 の alpha 0 がリリースされると同時に、チュートリアルやガイドも併せて公開されましたので、順次翻訳していきます。

最初はクイックスタートです。初心者向けとエキスパート向けがありますが、比較的短いので併せて翻訳しておきました。

いずれも MNIST を題材にしていますが、初心者向けではモデルは MLP を使用して Keras の基本を抑えます。エキスパート向けでは ConvNet を使用して Eager モードらしいコードスニペットが用意されています。

[詳細] (03/08/2019)

 

TensorFlow 2.0.0-alpha0 リリースノート

TensorFlow 2.0 の alpha0 がついにリリースされました。
TensorFlow 2.0 については安定版以前のリリースでもドキュメントを翻訳していきます。

TensorFlow 2.0 では単純性と使いやすさが重視されていて、最初に特徴として挙げられているのは : (1) Keras と eager execution による容易なモデル構築、(2) (任意のプラットフォームにおける) 製品レベルの堅牢なモデル配備、(3) 研究のためのパワフルな実験、(4) API の単純化です。

また、アップグレード / マイグレーション・ガイドに加えて各種ドキュメントも併せて公開されています。

[詳細] (03/07/2019)

 

Auto ML : Neural Network Intelligence Tutorials : アセッサー

Neural Network Intelligence (NNI) はマイクロソフト社がオープンソース化した Auto ML ツールキットで、TensorFlow / PyTorch / CNTK 等の深層学習フレームワークをサポートしています。

アセッサーのチュートリアルの翻訳です。アセッサーは判定者・査定者の意味ですが、これはトライアル・ジョブの早期停止 (Early Stopping) をサポートします。組み込みアセッサーとカスタマイズ・アセッサーのドキュメントを併せて翻訳致しました。

クラスキャットは Neural Network Intelligence の無償サポートを開始しています。具体的には各種ドキュメントの日本語翻訳、FAQ の提供、有用なコードスニペットの提供等を実施していきます。

[詳細] (03/07/2019)

 

TensorFlow Federated Tutorials : 画像分類のための Federated ラーニング

TensorFlow Federated 0.1.0 が公開されています。
先に概要ページと Get Started を翻訳しましたので、チュートリアルに入ります。

最初は MNIST を題材に TFF の Federated ラーニング API コンポーネント – tff.learning が紹介されます。tff.learning は高位レベル I/F で、TensorFlow で実装されたモデルに対する federated ラーニング・タスクの一般的なタイプを遂行するために使用されます。

TensorFlow Federated (TFF) は分散データ上の機械学習のためのオープンソース・フレームワークです。TFF は、Federated ラーニング (FL) によるオープンな研究と実験を促進するために開発されました。FL は 共有グローバルモデルが多くの ( 訓練データをローカルに保持する) クライアントに渡り訓練される手法です。

[詳細] (03/06/2019)

 

Auto ML : NNI Tutorials : チューナー (2) カスタマイズ・チューナー & アドバイザー

Neural Network Intelligence (NNI) はマイクロソフト社がオープンソース化した Auto ML ツールキットで、TensorFlow / PyTorch / CNTK 等の深層学習フレームワークをサポートしています。

チューナーのチュートリアルの翻訳ですが、組み込みチューナーの次はカスタマイズ・チューナーです。ユーザー自身のチューナーを実装する方法について説明されます。一読すれば、チューナーの仕組みが分かります。

クラスキャットは Neural Network Intelligence の無償サポートを開始しています。具体的には各種ドキュメントの日本語翻訳、FAQ の提供、有用なコードスニペットの提供等を実施していきます。

[詳細] (03/03/2019)

 

Auto ML : NNI Tutorials : チューナー (1) 組み込みチューナー

Neural Network Intelligence (NNI) はマイクロソフト社がオープンソース化した Auto ML ツールキットで、TensorFlow / PyTorch / CNTK 等の深層学習フレームワークをサポートしています。

チューナーのチュートリアルの翻訳です。最初は組み込みチューナーです。チューナーは AutoML アルゴリズム i.e パラメータ調整アルゴリズムで、次の試行のための新しい configuration を生成します。新しいトライアルはこの configuration で実行されます。

組み込みチューナーには TPE, ランダム探索, 焼きなまし, Naive Evolution, SMAC, バッチチューナー, グリッドサーチ, ハイパーバンド, Network Morphism, Metis チューナーが用意されています。

クラスキャットは Neural Network Intelligence の無償サポートを開始しています。具体的には各種ドキュメントの日本語翻訳、FAQ の提供、有用なコードスニペットの提供等を実施していきます。

[詳細] (03/01/2019)

 


 

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。

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