Submit Search
Upload
ReNom 2016 ~ 2018振り返り
•
0 likes
•
333 views
ReNom User Group
Follow
ReNom User Group #8 Part1 ReNom Overview ReNom DL ReNom TAG/IMG
Read less
Read more
Data & Analytics
Report
Share
Report
Share
1 of 27
Download now
Download to read offline
Recommended
西日暮里.rb ゴールデンだよLT大会 @ 秋葉原UDX!!での飛び込みLT
Introduction of neo4j
Introduction of neo4j
Ito Kunihiko
This is work sheet for teach and learn each othere in Information technology class in Japan.
Technical Communication Activity Note
Technical Communication Activity Note
Yoshio Matsumoto
FLiteのグラフ構造は、普通の計算グラフのようにOP(計算)を並べるのでは無く、OPと変数を交互に並べます。ちょっと疑問に思ったので、理由を調べてみました。
TFLiteのグラフ構造について
TFLiteのグラフ構造について
Natsutani Minoru
解析初心者の東大生向けの講座の第二回。numpy, pandas, matplotlib, seabornの使い方。
東大生向けデータ解析講座 第2回 2017/12/29
東大生向けデータ解析講座 第2回 2017/12/29
西岡 賢一郎
会議の進め方の提案
会議の進め方の提案
Iugo Net
XGBoostの原理である勾配ブースティング木(Gradient Tree Boosting, Gradient Boosting Decision Tree)の原理について理解を深めるため、大学の授業で作ったスライド 後の方になるにつれて内容がガバガバになる
Gradient Tree Boosting はいいぞ
Gradient Tree Boosting はいいぞ
7X RUSK
解析初心者の東大生向けの講座の第三回。sklearnを用いてregression, clustering, classificationを実装。
東大生向けデータ解析講座 第3回 2018/01/04
東大生向けデータ解析講座 第3回 2018/01/04
西岡 賢一郎
2016/9/3 html5 conference lightning talks
HTML5 Conference LT TensorFlow
HTML5 Conference LT TensorFlow
isaac-otao
Recommended
西日暮里.rb ゴールデンだよLT大会 @ 秋葉原UDX!!での飛び込みLT
Introduction of neo4j
Introduction of neo4j
Ito Kunihiko
This is work sheet for teach and learn each othere in Information technology class in Japan.
Technical Communication Activity Note
Technical Communication Activity Note
Yoshio Matsumoto
FLiteのグラフ構造は、普通の計算グラフのようにOP(計算)を並べるのでは無く、OPと変数を交互に並べます。ちょっと疑問に思ったので、理由を調べてみました。
TFLiteのグラフ構造について
TFLiteのグラフ構造について
Natsutani Minoru
解析初心者の東大生向けの講座の第二回。numpy, pandas, matplotlib, seabornの使い方。
東大生向けデータ解析講座 第2回 2017/12/29
東大生向けデータ解析講座 第2回 2017/12/29
西岡 賢一郎
会議の進め方の提案
会議の進め方の提案
Iugo Net
XGBoostの原理である勾配ブースティング木(Gradient Tree Boosting, Gradient Boosting Decision Tree)の原理について理解を深めるため、大学の授業で作ったスライド 後の方になるにつれて内容がガバガバになる
Gradient Tree Boosting はいいぞ
Gradient Tree Boosting はいいぞ
7X RUSK
解析初心者の東大生向けの講座の第三回。sklearnを用いてregression, clustering, classificationを実装。
東大生向けデータ解析講座 第3回 2018/01/04
東大生向けデータ解析講座 第3回 2018/01/04
西岡 賢一郎
2016/9/3 html5 conference lightning talks
HTML5 Conference LT TensorFlow
HTML5 Conference LT TensorFlow
isaac-otao
バッチ強化学習
Batch Reinforcement Learning
Batch Reinforcement Learning
Takuma Oda
この資料は、東京工業大学横田研究室の藤井一喜さんがW&Bマンスリーミートアップのために準備してくれた資料です。 「大規模言語モデル開発を支える分散学習技術」 大規模言語モデル(LLM)を学習する過程において、分散学習は避けて通れない重要な技術の一つです。本講演では、分散学習の基本的な概念とそのメカニズムをわかりやすく解説します。さらに、実例やノウハウについてもご紹介します。
大規模言語モデル開発を支える分散学習技術 - 東京工業大学横田理央研究室の藤井一喜さん
大規模言語モデル開発を支える分散学習技術 - 東京工業大学横田理央研究室の藤井一喜さん
Akira Shibata
これからディープラーニングを学ぶ方のための資料を作りました。応用先としては画像処理・自然言語処理に絞って解説を行っています。
ディープラーニング入門 ~ 画像処理・自然言語処理について ~
ディープラーニング入門 ~ 画像処理・自然言語処理について ~
Kensuke Otsuki
We analyze on Automotive, Airplane, Medical, Land, or Supply chain with UML/HAZOP and/or STAMP/STPA. IoT and Machine Learning such as Data Robot should be studies.
STAMP/STPA and UML/HAZOP on the IoT and AI/Deep Learning
STAMP/STPA and UML/HAZOP on the IoT and AI/Deep Learning
Kiyoshi Ogawa
PFIオープンセミナー2012「多様化する情報を支える技術」 2012年9月21日(金)実施 ≪概要≫Hadoopが大規模データ処理に広く用いられれる一方、その限界も見え始めてきた。一方、データに潜む複雑な因果関係や傾向を発見し精度の良い予測を実現する機械学習技術は性能向上と適用範囲の拡大を続けている。本講演ではビッグデータとその先進アプリケーションについて、間を繋ぐ機械学習技術の観点から最新動向について述べる。特に、PFIがフォーカスしているリアルタイム性とトレーサビリティについて詳しく述べ、JubatusとBazilという製品を紹介する。
Session4:「先進ビッグデータ応用を支える機械学習に求められる新技術」/比戸将平
Session4:「先進ビッグデータ応用を支える機械学習に求められる新技術」/比戸将平
Preferred Networks
GIS高度利用ワークショップ2018,東京,05/25/2018
BIM/CIMにおける3D-GIS・IoTの役割と展望
BIM/CIMにおける3D-GIS・IoTの役割と展望
Koji Makanae
CMSI計算科学技術特論A(4) Hybrid並列化技法
CMSI計算科学技術特論A(4) Hybrid並列化技法
Computational Materials Science Initiative
2023/2/17 Deep Learning JP http://deeplearning.jp/seminar-2/
【DL輪読会】StyleGAN-T: Unlocking the Power of GANs for Fast Large-Scale Text-to-I...
【DL輪読会】StyleGAN-T: Unlocking the Power of GANs for Fast Large-Scale Text-to-I...
Deep Learning JP
Slides for a lecture in Ochanomizu Univ. Japan, held on 4th Dec. 2019.
Ocha 20191204
Ocha 20191204
Atsushi Hashimoto
PostgreSQL Conference Japan 2018にて使用した資料です。 https://www.postgresql.jp/jpug-pgcon2018#B2
Database Encryption and Key Management for PostgreSQL - Principles and Consid...
Database Encryption and Key Management for PostgreSQL - Principles and Consid...
Masahiko Sawada
2018/2/17 FPGAX @ DOWANGO https://fpgax.connpass.com/event/77616/ LeapMind, inc. Architecture Unit Leader 山田 貴登 <イベント概要> 近年、ディープラーニング技術の発達から、小型組み込み機器やモバイル等のエッジデバイス上でそれらを利用したいという要望が出てました。しかし、多くのエッジデバイスは計算資源や電力供給に制約があり、実用的なDNNを動作させるには多くの問題があります。LeapMindでは、DNNを構築するソフトウェアとその実行を行うハードウェアの双方を最適化し、計算量やメモリ使用量を削減することで、レイテンシや消費電力問題の解決に取り組んでいます。今回はその一環として、DNNのモデル圧縮と最新研究を組み合わせた理想的なFPGA NNアクセラレータの性能の見積もりをご紹介します。 <講演者プロフィール> LeapMind株式会社でDNNの高速化手法やFPGAを用いたアクセラレータや、各種機械学習フレームワークからマルチ環境で動作するプログラムを生成するツールJuiz-DLKの開発を担当。
An Introduction of DNN Compression Technology and Hardware Acceleration on FPGA
An Introduction of DNN Compression Technology and Hardware Acceleration on FPGA
LeapMind Inc
2002年11月5日に開催されたACM SIGMOD日本支部第24回大会にて講演を行った、VLDB2002への参加報告
Vldb2002 report-200210231500
Vldb2002 report-200210231500
Takeo Kunishima
Tokyo
Big data解析ビジネス
Big data解析ビジネス
Mie Mori
本スライドは、弊社の梅本により弊社内の技術勉強会で使用されたものです。 近年注目を集めるアーキテクチャーである「Transformer」の解説スライドとなっております。 "Arithmer Seminar" is weekly held, where professionals from within and outside our company give lectures on their respective expertise. The slides are made by the lecturer from outside our company, and shared here with his/her permission. Arithmer株式会社は東京大学大学院数理科学研究科発の数学の会社です。私達は現代数学を応用して、様々な分野のソリューションに、新しい高度AIシステムを導入しています。AIをいかに上手に使って仕事を効率化するか、そして人々の役に立つ結果を生み出すのか、それを考えるのが私たちの仕事です。 Arithmer began at the University of Tokyo Graduate School of Mathematical Sciences. Today, our research of modern mathematics and AI systems has the capability of providing solutions when dealing with tough complex issues. At Arithmer we believe it is our job to realize the functions of AI through improving work efficiency and producing more useful results for society.
全力解説!Transformer
全力解説!Transformer
Arithmer Inc.
なにわテック祭りの発表資料
なにわテック20180127
なにわテック20180127
Natsutani Minoru
「NLP/CV SoTA Survey Challenge #3」発表資料 xpaperchallengeではコンピュータビジョンと自然言語処理の最新研究をサーベイしてきました。近年では両分野をつなぐような研究が進んでおり、画像から説明文を生成する「image captioning」、逆に説明文から画像を生成する「text to image」といったテーマが存在します。 本発表では、これらに加えて離散かつ可変長の系列データである文章を生成する「text generation」の3テーマを対象として導入から最新の研究動向までを紹介します。
Bridging between Vision and Language
Bridging between Vision and Language
Shion Honda
NIPS2017本会議で採択された Generative Adversarial Networks (GAN) 論文をまとめ紹介しています。学習の収束性・安定性、半教師あり学習、Mode Collapse回避、解きほぐされた表現学習、構造的な生成、等。NIPS2017読み会@PFNでの発表資料です。
Generative Adversarial Networks (GAN) @ NIPS2017
Generative Adversarial Networks (GAN) @ NIPS2017
Koichi Hamada
「オープンソースカンファレンス 2018 Tokyo/Spring(2018年2月23日講演資料)」 オープンソースのビッグデータ・IoT向け スケールアウト型データベースGridDBとPython連携 〜GridDBとPythonと私〜
オープンソースのビッグデータ・IoT向け スケールアウト型データベースGridDBとPython連携 〜GridDBとPythonと私〜
オープンソースのビッグデータ・IoT向け スケールアウト型データベースGridDBとPython連携 〜GridDBとPythonと私〜
griddb
2012/12/7にComSysで招待講演した際のプレゼン資料です。2013/1時点でのJubatusに関する全部入り資料になっています。 概要:Hadoopは非常に成功した大規模データの分散処理基盤である一方、データを貯めないリアルタイム処理や、統計的な手法で知見や予測モデルを得る機械学習技術のサポートは限定的である。Jubatusは、それらHadoopに足りない「分散・リアルタイム・機械学習」を実現するためのOSSフレームワークとして2011年にリリースされた。その技術的特徵は、オンライン学習アルゴリズムを分散化し、かつ分散環境でコストの高いデータ共有を排除してコンパクトな機械学習モデルのみを緩やかに共有するMix操作を中心とした計算アーキテクチャを採用していることにある。本講演ではその動作原理を中心にJubatusの裏側を紹介する。
Jubatus: 分散協調をキーとした大規模リアルタイム機械学習プラットフォーム
Jubatus: 分散協調をキーとした大規模リアルタイム機械学習プラットフォーム
Preferred Networks
2017年10月28日(土)に行われた "TECH & BRIDGE MEETING 〜エンジニア講演会〜 人工知能・機械学習・ディープラーニング Vol.4” の講演資料です。 講演講師 :三上威様(フリーランスITエンジニア) 主催・運営:株式会社エージェントゲート
1028 TECH & BRIDGE MEETING
1028 TECH & BRIDGE MEETING
健司 亀本
ReNom User Group#14part1
AI画像認識モデル開発をやってみた!#1
AI画像認識モデル開発をやってみた!#1
ReNom User Group
ReNom User Group#13part3
ReNomを利活用した溶接モニタリングの取組について
ReNomを利活用した溶接モニタリングの取組について
ReNom User Group
More Related Content
Similar to ReNom 2016 ~ 2018振り返り
バッチ強化学習
Batch Reinforcement Learning
Batch Reinforcement Learning
Takuma Oda
この資料は、東京工業大学横田研究室の藤井一喜さんがW&Bマンスリーミートアップのために準備してくれた資料です。 「大規模言語モデル開発を支える分散学習技術」 大規模言語モデル(LLM)を学習する過程において、分散学習は避けて通れない重要な技術の一つです。本講演では、分散学習の基本的な概念とそのメカニズムをわかりやすく解説します。さらに、実例やノウハウについてもご紹介します。
大規模言語モデル開発を支える分散学習技術 - 東京工業大学横田理央研究室の藤井一喜さん
大規模言語モデル開発を支える分散学習技術 - 東京工業大学横田理央研究室の藤井一喜さん
Akira Shibata
これからディープラーニングを学ぶ方のための資料を作りました。応用先としては画像処理・自然言語処理に絞って解説を行っています。
ディープラーニング入門 ~ 画像処理・自然言語処理について ~
ディープラーニング入門 ~ 画像処理・自然言語処理について ~
Kensuke Otsuki
We analyze on Automotive, Airplane, Medical, Land, or Supply chain with UML/HAZOP and/or STAMP/STPA. IoT and Machine Learning such as Data Robot should be studies.
STAMP/STPA and UML/HAZOP on the IoT and AI/Deep Learning
STAMP/STPA and UML/HAZOP on the IoT and AI/Deep Learning
Kiyoshi Ogawa
PFIオープンセミナー2012「多様化する情報を支える技術」 2012年9月21日(金)実施 ≪概要≫Hadoopが大規模データ処理に広く用いられれる一方、その限界も見え始めてきた。一方、データに潜む複雑な因果関係や傾向を発見し精度の良い予測を実現する機械学習技術は性能向上と適用範囲の拡大を続けている。本講演ではビッグデータとその先進アプリケーションについて、間を繋ぐ機械学習技術の観点から最新動向について述べる。特に、PFIがフォーカスしているリアルタイム性とトレーサビリティについて詳しく述べ、JubatusとBazilという製品を紹介する。
Session4:「先進ビッグデータ応用を支える機械学習に求められる新技術」/比戸将平
Session4:「先進ビッグデータ応用を支える機械学習に求められる新技術」/比戸将平
Preferred Networks
GIS高度利用ワークショップ2018,東京,05/25/2018
BIM/CIMにおける3D-GIS・IoTの役割と展望
BIM/CIMにおける3D-GIS・IoTの役割と展望
Koji Makanae
CMSI計算科学技術特論A(4) Hybrid並列化技法
CMSI計算科学技術特論A(4) Hybrid並列化技法
Computational Materials Science Initiative
2023/2/17 Deep Learning JP http://deeplearning.jp/seminar-2/
【DL輪読会】StyleGAN-T: Unlocking the Power of GANs for Fast Large-Scale Text-to-I...
【DL輪読会】StyleGAN-T: Unlocking the Power of GANs for Fast Large-Scale Text-to-I...
Deep Learning JP
Slides for a lecture in Ochanomizu Univ. Japan, held on 4th Dec. 2019.
Ocha 20191204
Ocha 20191204
Atsushi Hashimoto
PostgreSQL Conference Japan 2018にて使用した資料です。 https://www.postgresql.jp/jpug-pgcon2018#B2
Database Encryption and Key Management for PostgreSQL - Principles and Consid...
Database Encryption and Key Management for PostgreSQL - Principles and Consid...
Masahiko Sawada
2018/2/17 FPGAX @ DOWANGO https://fpgax.connpass.com/event/77616/ LeapMind, inc. Architecture Unit Leader 山田 貴登 <イベント概要> 近年、ディープラーニング技術の発達から、小型組み込み機器やモバイル等のエッジデバイス上でそれらを利用したいという要望が出てました。しかし、多くのエッジデバイスは計算資源や電力供給に制約があり、実用的なDNNを動作させるには多くの問題があります。LeapMindでは、DNNを構築するソフトウェアとその実行を行うハードウェアの双方を最適化し、計算量やメモリ使用量を削減することで、レイテンシや消費電力問題の解決に取り組んでいます。今回はその一環として、DNNのモデル圧縮と最新研究を組み合わせた理想的なFPGA NNアクセラレータの性能の見積もりをご紹介します。 <講演者プロフィール> LeapMind株式会社でDNNの高速化手法やFPGAを用いたアクセラレータや、各種機械学習フレームワークからマルチ環境で動作するプログラムを生成するツールJuiz-DLKの開発を担当。
An Introduction of DNN Compression Technology and Hardware Acceleration on FPGA
An Introduction of DNN Compression Technology and Hardware Acceleration on FPGA
LeapMind Inc
2002年11月5日に開催されたACM SIGMOD日本支部第24回大会にて講演を行った、VLDB2002への参加報告
Vldb2002 report-200210231500
Vldb2002 report-200210231500
Takeo Kunishima
Tokyo
Big data解析ビジネス
Big data解析ビジネス
Mie Mori
本スライドは、弊社の梅本により弊社内の技術勉強会で使用されたものです。 近年注目を集めるアーキテクチャーである「Transformer」の解説スライドとなっております。 "Arithmer Seminar" is weekly held, where professionals from within and outside our company give lectures on their respective expertise. The slides are made by the lecturer from outside our company, and shared here with his/her permission. Arithmer株式会社は東京大学大学院数理科学研究科発の数学の会社です。私達は現代数学を応用して、様々な分野のソリューションに、新しい高度AIシステムを導入しています。AIをいかに上手に使って仕事を効率化するか、そして人々の役に立つ結果を生み出すのか、それを考えるのが私たちの仕事です。 Arithmer began at the University of Tokyo Graduate School of Mathematical Sciences. Today, our research of modern mathematics and AI systems has the capability of providing solutions when dealing with tough complex issues. At Arithmer we believe it is our job to realize the functions of AI through improving work efficiency and producing more useful results for society.
全力解説!Transformer
全力解説!Transformer
Arithmer Inc.
なにわテック祭りの発表資料
なにわテック20180127
なにわテック20180127
Natsutani Minoru
「NLP/CV SoTA Survey Challenge #3」発表資料 xpaperchallengeではコンピュータビジョンと自然言語処理の最新研究をサーベイしてきました。近年では両分野をつなぐような研究が進んでおり、画像から説明文を生成する「image captioning」、逆に説明文から画像を生成する「text to image」といったテーマが存在します。 本発表では、これらに加えて離散かつ可変長の系列データである文章を生成する「text generation」の3テーマを対象として導入から最新の研究動向までを紹介します。
Bridging between Vision and Language
Bridging between Vision and Language
Shion Honda
NIPS2017本会議で採択された Generative Adversarial Networks (GAN) 論文をまとめ紹介しています。学習の収束性・安定性、半教師あり学習、Mode Collapse回避、解きほぐされた表現学習、構造的な生成、等。NIPS2017読み会@PFNでの発表資料です。
Generative Adversarial Networks (GAN) @ NIPS2017
Generative Adversarial Networks (GAN) @ NIPS2017
Koichi Hamada
「オープンソースカンファレンス 2018 Tokyo/Spring(2018年2月23日講演資料)」 オープンソースのビッグデータ・IoT向け スケールアウト型データベースGridDBとPython連携 〜GridDBとPythonと私〜
オープンソースのビッグデータ・IoT向け スケールアウト型データベースGridDBとPython連携 〜GridDBとPythonと私〜
オープンソースのビッグデータ・IoT向け スケールアウト型データベースGridDBとPython連携 〜GridDBとPythonと私〜
griddb
2012/12/7にComSysで招待講演した際のプレゼン資料です。2013/1時点でのJubatusに関する全部入り資料になっています。 概要:Hadoopは非常に成功した大規模データの分散処理基盤である一方、データを貯めないリアルタイム処理や、統計的な手法で知見や予測モデルを得る機械学習技術のサポートは限定的である。Jubatusは、それらHadoopに足りない「分散・リアルタイム・機械学習」を実現するためのOSSフレームワークとして2011年にリリースされた。その技術的特徵は、オンライン学習アルゴリズムを分散化し、かつ分散環境でコストの高いデータ共有を排除してコンパクトな機械学習モデルのみを緩やかに共有するMix操作を中心とした計算アーキテクチャを採用していることにある。本講演ではその動作原理を中心にJubatusの裏側を紹介する。
Jubatus: 分散協調をキーとした大規模リアルタイム機械学習プラットフォーム
Jubatus: 分散協調をキーとした大規模リアルタイム機械学習プラットフォーム
Preferred Networks
2017年10月28日(土)に行われた "TECH & BRIDGE MEETING 〜エンジニア講演会〜 人工知能・機械学習・ディープラーニング Vol.4” の講演資料です。 講演講師 :三上威様(フリーランスITエンジニア) 主催・運営:株式会社エージェントゲート
1028 TECH & BRIDGE MEETING
1028 TECH & BRIDGE MEETING
健司 亀本
Similar to ReNom 2016 ~ 2018振り返り
(20)
Batch Reinforcement Learning
Batch Reinforcement Learning
大規模言語モデル開発を支える分散学習技術 - 東京工業大学横田理央研究室の藤井一喜さん
大規模言語モデル開発を支える分散学習技術 - 東京工業大学横田理央研究室の藤井一喜さん
ディープラーニング入門 ~ 画像処理・自然言語処理について ~
ディープラーニング入門 ~ 画像処理・自然言語処理について ~
STAMP/STPA and UML/HAZOP on the IoT and AI/Deep Learning
STAMP/STPA and UML/HAZOP on the IoT and AI/Deep Learning
Session4:「先進ビッグデータ応用を支える機械学習に求められる新技術」/比戸将平
Session4:「先進ビッグデータ応用を支える機械学習に求められる新技術」/比戸将平
BIM/CIMにおける3D-GIS・IoTの役割と展望
BIM/CIMにおける3D-GIS・IoTの役割と展望
CMSI計算科学技術特論A(4) Hybrid並列化技法
CMSI計算科学技術特論A(4) Hybrid並列化技法
【DL輪読会】StyleGAN-T: Unlocking the Power of GANs for Fast Large-Scale Text-to-I...
【DL輪読会】StyleGAN-T: Unlocking the Power of GANs for Fast Large-Scale Text-to-I...
Ocha 20191204
Ocha 20191204
Database Encryption and Key Management for PostgreSQL - Principles and Consid...
Database Encryption and Key Management for PostgreSQL - Principles and Consid...
An Introduction of DNN Compression Technology and Hardware Acceleration on FPGA
An Introduction of DNN Compression Technology and Hardware Acceleration on FPGA
Vldb2002 report-200210231500
Vldb2002 report-200210231500
Big data解析ビジネス
Big data解析ビジネス
全力解説!Transformer
全力解説!Transformer
なにわテック20180127
なにわテック20180127
Bridging between Vision and Language
Bridging between Vision and Language
Generative Adversarial Networks (GAN) @ NIPS2017
Generative Adversarial Networks (GAN) @ NIPS2017
オープンソースのビッグデータ・IoT向け スケールアウト型データベースGridDBとPython連携 〜GridDBとPythonと私〜
オープンソースのビッグデータ・IoT向け スケールアウト型データベースGridDBとPython連携 〜GridDBとPythonと私〜
Jubatus: 分散協調をキーとした大規模リアルタイム機械学習プラットフォーム
Jubatus: 分散協調をキーとした大規模リアルタイム機械学習プラットフォーム
1028 TECH & BRIDGE MEETING
1028 TECH & BRIDGE MEETING
More from ReNom User Group
ReNom User Group#14part1
AI画像認識モデル開発をやってみた!#1
AI画像認識モデル開発をやってみた!#1
ReNom User Group
ReNom User Group#13part3
ReNomを利活用した溶接モニタリングの取組について
ReNomを利活用した溶接モニタリングの取組について
ReNom User Group
ReNom User Group#13 part2
ReNom IMG version3.0最新情報の紹介
ReNom IMG version3.0最新情報の紹介
ReNom User Group
ReNom User Group #13 part1
Renomロードマップの紹介
Renomロードマップの紹介
ReNom User Group
ReNom User Group #12 Part4
EDGEMATRIX社のご紹介と、Edge AI Computing Platformについて
EDGEMATRIX社のご紹介と、Edge AI Computing Platformについて
ReNom User Group
ReNom User Group #12 Part3
AIのビジネス実装を成功に近づけるために
AIのビジネス実装を成功に近づけるために
ReNom User Group
ReNom User Group #12 Part2
ReNomDL 高速化の紹介
ReNomDL 高速化の紹介
ReNom User Group
ReNom User Group #11 Part4
量子コンピュータ向けアプリケーション開発フレームワークReNomQとは
量子コンピュータ向けアプリケーション開発フレームワークReNomQとは
ReNom User Group
ReNom User Group #11 Part3
ReNom IMGの活用事例 + ReNom TAGの告知
ReNom IMGの活用事例 + ReNom TAGの告知
ReNom User Group
ReNom User Group #11 Part2
ReNom RG新機能の紹介
ReNom RG新機能の紹介
ReNom User Group
ReNom User Group #11 Part1
ReNomDL V3の紹介
ReNomDL V3の紹介
ReNom User Group
ReNom User Group #10 Part3
エンジニアではなくてもAIモデル構築が可能な時代に
エンジニアではなくてもAIモデル構築が可能な時代に
ReNom User Group
ReNom User Group #10 Part2
バージョンアップした「ReNomIMG」の紹介
バージョンアップした「ReNomIMG」の紹介
ReNom User Group
ReNom User Group #10 Part1
数値回帰モデル作成アプリケーション 「ReNomRG」の紹介
数値回帰モデル作成アプリケーション 「ReNomRG」の紹介
ReNom User Group
ReNom User Group #9 Part5
ReNomIMG を使った料理名判別による栄養管理アプリ
ReNomIMG を使った料理名判別による栄養管理アプリ
ReNom User Group
ReNom User Group #9 Part2
AI/DeepLearningに必要なデータ準備〜そのデータ本当ですか?~
AI/DeepLearningに必要なデータ準備〜そのデータ本当ですか?~
ReNom User Group
ReNom User Group #8 Part3
ReNom チュートリアルと今後 ~renom.jpで始めるAI開発~
ReNom チュートリアルと今後 ~renom.jpで始めるAI開発~
ReNom User Group
ReNom User Group #8 Part2 ReNom DP ReNom TDA
ReNom DP&TDA
ReNom DP&TDA
ReNom User Group
ReNom User Group#7-2
ユニアデックスのAIに向けた取り組みご紹介
ユニアデックスのAIに向けた取り組みご紹介
ReNom User Group
ReNom User Group #6 Part1
データの外観を把握する。データ前処理アプリケーションのご紹介
データの外観を把握する。データ前処理アプリケーションのご紹介
ReNom User Group
More from ReNom User Group
(20)
AI画像認識モデル開発をやってみた!#1
AI画像認識モデル開発をやってみた!#1
ReNomを利活用した溶接モニタリングの取組について
ReNomを利活用した溶接モニタリングの取組について
ReNom IMG version3.0最新情報の紹介
ReNom IMG version3.0最新情報の紹介
Renomロードマップの紹介
Renomロードマップの紹介
EDGEMATRIX社のご紹介と、Edge AI Computing Platformについて
EDGEMATRIX社のご紹介と、Edge AI Computing Platformについて
AIのビジネス実装を成功に近づけるために
AIのビジネス実装を成功に近づけるために
ReNomDL 高速化の紹介
ReNomDL 高速化の紹介
量子コンピュータ向けアプリケーション開発フレームワークReNomQとは
量子コンピュータ向けアプリケーション開発フレームワークReNomQとは
ReNom IMGの活用事例 + ReNom TAGの告知
ReNom IMGの活用事例 + ReNom TAGの告知
ReNom RG新機能の紹介
ReNom RG新機能の紹介
ReNomDL V3の紹介
ReNomDL V3の紹介
エンジニアではなくてもAIモデル構築が可能な時代に
エンジニアではなくてもAIモデル構築が可能な時代に
バージョンアップした「ReNomIMG」の紹介
バージョンアップした「ReNomIMG」の紹介
数値回帰モデル作成アプリケーション 「ReNomRG」の紹介
数値回帰モデル作成アプリケーション 「ReNomRG」の紹介
ReNomIMG を使った料理名判別による栄養管理アプリ
ReNomIMG を使った料理名判別による栄養管理アプリ
AI/DeepLearningに必要なデータ準備〜そのデータ本当ですか?~
AI/DeepLearningに必要なデータ準備〜そのデータ本当ですか?~
ReNom チュートリアルと今後 ~renom.jpで始めるAI開発~
ReNom チュートリアルと今後 ~renom.jpで始めるAI開発~
ReNom DP&TDA
ReNom DP&TDA
ユニアデックスのAIに向けた取り組みご紹介
ユニアデックスのAIに向けた取り組みご紹介
データの外観を把握する。データ前処理アプリケーションのご紹介
データの外観を把握する。データ前処理アプリケーションのご紹介
ReNom 2016 ~ 2018振り返り
1.
INFRASTRUCTURE + LIFE
+ INNOVATION 12018/8/1 ReNom 2016 ~ 2018 振り返り
2.
内容 22018/8/1 2018年 7月は 深層学習フレームワーク
ReNom が リリースされてから ちょうど 2年目 ⚫ 2年の振り返り ⚫ ReNomDL のこれまでと今を速度ベンチマークとともに
3.
ReNom 32018/8/1 ReNom Products DL TDA IMG
TAG DP Deep Learning Topological Data Analysis Image Processing Target Creation Data Preprocessing
4.
ReNom 42018/8/1 DL Deep Learning ReNom ● 2016年
3月 ~ 2017年 10月 ReNom : ディープラーニング フレームワーク Relu 入力層 中間層 出力層
5.
ReNom 52018/8/1 ReNom Products DL TDA Deep Learning Topological Data
Analysis ● 2017年 10月 ~ 2018年 3月 ReNomDL : ディープラーニング フレームワーク ReNomTDA : トポロジカル データ アナリシス
6.
ReNom 62018/8/1 ReNom Products DL TDA IMG
TAG DP Image Processing Target Creation Data Preprocess ● 2018年 4月 ~
7.
ReNom 2年の振り返り 72018/8/1 v2 開発開始
現在 v2.6.1 v2 リリース 2018 / 7月2017 / 4月 12月 4月7月 第1回 RNUG !! RNUG 1周年
8.
ReNom 82018/8/1 v2 開発開始 現在
v2.6.1 v2 リリース ReNomDLを バックエンドとした アプリケーション開発 開始 2018 / 7月2017 / 4月 12月 人工知能EXPOで ReNom展示 4月7月 第1回 RNUG !!
9.
ReNom 92018/8/1 v2 開発開始 現在
v2.6.1v0 開発開始 v0 リリース v1 開発開始 v1 リリース v2 リリース 2016 / 3月 2018 / 7月2017 / 4月11月 12月7月 4月7月 ReNom 2周年
10.
ReNom 開発背景 102018/8/1 深層学習 (機械学習プロフェッショナルシリーズ) 著)
岡谷貴之 https://www.amazon.co.jp ● 機械学習 技術力向上のため「深層学習」を全て実装 当時 “プログラマ”、“研究者” のみが機械学習を 実践できるようなツールしか存在しなかった. ● 機械学習の一般化を目指す
11.
ReNom 開発背景 -
機械学習の一般化 112018/8/1 ● 汎用的な機械学習モデルでは, 識別精度が下がる ● 深層学習による特徴量の自動獲得 機械学習の特性 現場のニーズ ● 定点カメラで製品をチェックし, 傷があるかどうかを認識したい … そのような学習データセットは自分 で作るしかない. 汎用的な学習済みモデルを配る. 個人個人が持つ目的に合わせて, 学習データを収集し モデルを作れるようになるべき. この二点の サポートを目指す この2点の サポートを目指す
12.
ReNom 名前の由来 122018/8/1 くりこみ群に関する理論は, Deep
Learningによって精度の高い モデルが学習できるのかについて, 新たな知見を与える. ● Why Deep Learning Works II: the Renormalization Group https://calculatedcontent.com/2015/04/01/why-deep-learning-works-ii-the-renormalization-group/ ● Maximum Entropy Learning with Deep Belief Networks (Payton Lin, Szu-Wei Fu, Syu-Siang Wang, Ying-Hui Lai, Yu Tsao) http://www.mdpi.com/1099-4300/18/7/251 ● 繰り込み(Wikipedia) https://ja.wikipedia.org/wiki/%E7%B9%B0%E3%82%8A%E8%BE%BC%E3%81%BF 繰り込み(くりこみ): Wikipedia 場の量子論で使われる、計算結果が無限大に発散してしまうのを防ぐ 数学的な技法であり、同時に場の量子論が満たすべき最重要な 原理のひとつでもある。 RBMやAuto Encorderなどの教師無し学習アルゴリズムにおける隠れ変数は, Variational Renormalization Group (変分くりこみ群) を形成する.
13.
ReNom 名前の由来 132018/8/1 ReNom RBMやAuto Encorderなどの教師無し学習アルゴリズムにおける隠れ変数は, Variational
Renormalization Group (変分くりこみ群) を形成する. https://github.com/ReNom-dev-team/ReNom
14.
142018/8/1 ディープラーニングフレームワークとしての ReNom のこれまでと今
15.
ReNom v0, v1の設計思想 152018/8/1 とにかく簡単に,
ニューラルネット(以降NN)を定義して学習できること • ネットワーク構造, ハイパーパラメータを変更しやすいこと ◆全結合, 畳み込みなどの関数をブロック化し, それを組み合わせる. ◆他にも, SVMのような機械学習アルゴリズムをブロック化し, NNと複合して使えるようにする. ◆ハイパーパラメータサーチ
16.
ReNom v0 のプログラミングインタフェース 162018/8/1 出力を次のレイヤの入力とする. 最後に入力層と誤差関数層を Modelに渡して,
NNを定義. よくなかった点 - 新たな層を追加するのが面倒 - 中間層の出力を確認するのが面倒
17.
ReNom v1 のプログラミングインタフェース 172018/8/1 よかった点 -
コメントアウトで層の有無を決められる レイヤのリストで モデルを定義する.
18.
ReNom v1→v2 より柔軟なフレームワークに 182018/8/1 ●
Highway Networks (Rupesh Kumar Srivastava, Klaus Greff, Jürgen Schmidhuber. 2015) 複数の入力, 出力が 必要なレイヤ Fig. Understanding Bidirectional RNN in PyTorch https://towardsdatascience.com/understanding-bidirectional-rnn-in-pytorch-5bd25a5dd66 ● Bidirectional RNN データ系列を 順 & 逆順 に 入力する ニューラルネット
19.
ReNom v2 の設計思想 192018/8/1 V1
における NNの定義しやすさを残しつつ, より柔軟なNNを定義可能に • 自動微分 • 新たなモデル定義方法 追加 ◆自動微分ライブラリに進化 ◆Numpy (行列計算ライブラリ) と同じインタフェースで提供する. ◆定義したモデルを層として再利用 ◆計算グラフ(計算履歴)を安全に構築
20.
ReNom v2 のプログラミングインタフェース 202018/8/1 レイヤのリストで モデルを定義する. ReNom
v1 と 同様の書き方
21.
ReNom v2 のプログラミングインタフェース 212018/8/1 定義した計算が ニューラルネットになる 新たに, Functionalモデルを追加
22.
ReNom v2 –
Numpyと同じ行列操作方法 222018/8/1 𝑓 𝑥 = 𝑖=0 2 𝑗=0 2 𝑥𝑖𝑗 𝑖𝑓 𝑥𝑖𝑗 > 0 𝑒𝑙𝑠𝑒 0 変数 𝑥𝑖𝑗 が0以下の場合, それを定数として扱う様な関数の, 勾配を計算 例: 行列の一部分を定数として扱う関数の勾配を計算 ReNomではNumpyと同じ行列操作方法を提供している ● サイズの違う行列(ベクトル)同士の演算: Broadcasting ● 条件に基づいて行列の一部分にのみ処理を加える: Advanced Indexing
23.
ReNom v2 –
Numpyと同じ行列操作方法 232018/8/1 ● 1. 変数の初期化 ● 2. 関数の定義 ● 3. 微分係数の取得
24.
ReNom v2 –
計算グラフの明示的な管理 242018/8/1 𝑎 𝑥 × 𝑏 + 𝑓(𝑥)ℎ 自動微分アルゴリズムでは, 逆伝播計算のために, 順伝播計算の履歴を保持する 自動微分ライブラリでは, 「どの計算を計算グラフに入れて, どの計算をグラフから除くのか」 をユーザが制御しなければならない. 計算グラフが際限なく大きくなり, メモリオーバフローの可能性 Predictionの際に 計算グラフを作るのは無駄
25.
ReNom v2 –
計算グラフの明示的な管理 252018/8/1 ReNomでは, withブロック内で行われた計算について計算グラフが作られる. ● 学習は withブロック内で ● 予測(Prediction)は withブロック外で
26.
ReNom v2 -
GPUとCPUの切り替えが簡単 262018/8/1 ReNomでは, GPUを使った学習とCPUを使った学習でソースコードが変わらない. ここにあるコードのみで切り替え可能
27.
272018/8/1 ご静聴ありがとうございました
Download now