メディア関係者向けお問い合わせ先 メールでのお問い合わせ: pr-jp@google.com メディア関係者以外からのお問い合わせにはお答えいたしかねます。 その他すべてのお問い合わせにつきましては、ヘルプセンターをご覧ください。

はじめての AI Google がめざす、誰もが使える機械学習

Deploy ML on mobile, microcontrollers and other edge devices

2018年 4月3日 18時15分 5年前 Googleから画像を一括でダウンロードできるコマンドラインツール「google-images-download」の紹介です。

Make the real world computable 現実世界を計算可能にする Rapid realization of cutting-edge technologies 最先端の技術を最短路で実用化する Robots for everyone すべての人にロボットを

Products Projects Top Manufacturing Transportation Life Sciences Materials Informatics Retail Finance Generative AI Robotics Visual Inspection Education Entertainment Deep Learning Frameworks CuPy Optuna MN-Core Supercomputers Research & Development News TopNews ReleaseTopicEventInternship Company Top Who We Are PFN Values Awards Careers Top Message Contact Privacy Policy JA EN Projects Top Manufa

はじめに これまで通りの使い方 Kerasと言えばコレ：Sequential 少し発展版：Modelによるfunctional API Eagerの登場によって…！ Pythonのclassとしての作り方 Eagerモードとしての書き方 確率的なニューラルネットワーク はじめに 最近機械学習から離れ気味ですが、何やらTensorFlowのDocumentを覗いたらTensorFlow内部のKerasがすごくいろいろな使い方できることに気が付きました。 （ちなみに、TensorFlowとは別の（いろいろなフレームワークをバックエンドにできる）Kerasの方はどうなっているのか知らないので申し訳ありません。） ということでそれを簡単にまとめておきたいと思います。本当に簡単に。 これまで通りの使い方 Kerasと言えばコレ：Sequential 最もよく知られている使い方ですね。 model=t

印刷する メールで送る テキスト HTML 電子書籍 PDF ダウンロード テキスト 電子書籍 PDF クリップした記事をMyページから読むことができます Googleは米国時間5月8日、開発者向けカンファレンス「Google I/O」で、「ML Kit」を発表した。ML Kitは、モバイルアプリに機械学習（ML）を組み込むための新たなSDKだ。 ML Kitは、同社のモバイルアプリ開発統合プラットフォーム「Firebase」上で利用でき、「Android」向けと「iOS」向けの双方が用意されている。またML Kitは、テキスト認識と顔認識、ランドマーク検出、バーコードのスキャン、イメージのラベル付けなどのMLの一般的なユースケースに対するAPIを提供している。これらすべては、「Google Cloud Platform」（GCP）のMLテクノロジを活用したクラウドAPIとして利用可能だ。

マイクロソフトCEOサティア・ナデラ氏とアマゾンCEOジェフ・ベゾス氏。 Chip Somodevilla / Staff 10月12日（現地時間）、予想外の提携が発表された。マイクロソフトとアマゾンはオープンソースの開発者向けツール｢Gluon｣を提供する。 Gluonは、AIおよび機械学習システム開発を簡易化するツール。 しかし、この提携の重要なポイントは別にある。すなわち、これはAI分野で先行するグーグルに両社が協力して対抗するということだ。 マイクロソフトとアマゾンは、AIで手を組んだ。 両社は、開発者向けのツール｢Gluon｣をオープンソースで提供すると発表した。つまり、誰もが無料でこのツールを使ってシステムを開発、もしくはツールの機能開発などに参加することができる。 新たなプログラミングツールをオープンソースで公開するメリットは、ユーザーの要望をより確実に汲み取れる点にある。な

* この投稿は米国時間 10 月 12 日に投稿されたもの（投稿はこちら）の抄訳です。 Postesd by Google Cloud デベロッパー アドボケイト 佐藤一憲 今年はまとまった夏休みが取れたので、息子といっしょに作れる自由研究のアイディアを探していました。結果、できあがったのが、TensorFlow で作った「じゃんけんマシン」です。 TensorFlow で作った「じゃんけんマシン」 この動画の通り、手袋に付けたセンサーを使ってグー、チョキ、パーのいずれかを判定し、それに負けない手を出すマシンです。単純なおもちゃではありますが、隠し味としてTensorFlowを使いました。TensorFlowでとても簡単な機械学習（ML）のモデルを作成し、手袋につないだ Arduino マイクロコントローラでそれを利用して手の形を読み取る仕組みです。ML を便利なツールとして使うことで、面

Google、機械学習の可視化を強化する「TensorBoard API」を発表。独自の機械学習ビジュアライゼーション構築へ 2017-09-12 Googleは、機械学習の可視化を強化する「TensorBoard API」を発表しました。 tensorflow/tensorboard（Github） 2015年にオープンソース化した機械学習ライブラリ「TensorFlow」には、様々なデータを可視化できるツール「TensorBoard」が含まれています。しかし、新しいビジュアライゼーションを追加することは非常に難しいのが現状でした。 そこで、開発者がTensorBoardにカスタムビジュアライゼーション・プラグインを追加できるようにする新たなAPIセット「TensorBoard API」をリリースしました。 これにより、独自の機械学習ビジュアライゼーションが構築できるとしています。 プラ

Can a neural network learn to recognize doodling? Help teach it by adding your drawings to the world’s largest doodling data set, shared publicly to help with machine learning research.

You signed in with another tab or window. Reload to refresh your session. You signed out in another tab or window. Reload to refresh your session. You switched accounts on another tab or window. Reload to refresh your session. Dismiss alert

富士通の研究開発子会社である富士通研究所が10月20日、2016年度の研究開発戦略説明会を開いた。今年4月に同社の社長に就任した佐々木繁氏が、現在研究開発を進めている5つの領域について説明するとともに、それらの中から16件の最新技術について展示・実演を行った。 富士通研究所が研究開発を進めている5つの領域とは、実世界としてのフロントとクラウドを自在につなげてさまざまな“共創”サービスを実現する「Service-Oriented Connection」、さまざまなサービスに必要な機能やリソースを動的に配分して進化する「Web Scale ICT Infrastructure」、物理ネットワークを意識せずにエンド・ツー・エンドで最適かつ迅速につなぐ仮想ネットワーク「Core/Front Network Fusion」、そして人工知能「AI」、およびAIを活用した「Security」である。 同

KSKアナリティクス（東京都中央区）は、米Googleを中心に開発が進むAI（Artificial Intelligence）のオープンソース・ソフトウェア「TensorFlow」の日本語サイトを開設するとともに、日本国内でのサポートサービスの提供を8月に開始すると発表した。 「TensorFlow」は、米Googleを中心に開発が進むAI(人工知能)のソフトウェア。オープンソースであるため誰でも自由に使うことができ、機械学習／ディープラーニング／多層ニューラルネットワークの各種ライブラリが含まれる。また、データフローグラフを使用したライブラリにより、複雑なネットワークをわかりやすく記述できるという。 KSKアナリティクスの最新のアナリティクスに精通したデータサイエンティストや分析エンジニアにより、「TensorFlow」を用いた機械学習／ディープラーニングのビジネス企画、コンサルティング

TensorFlow に iOS サポートが追加された というニュースを見かけたので、ビルドして、iOSで動作させてみました。 （たまたま目の前にあった扇風機もバッチリ認識してくれました） 本記事では最終的にうまくいった手順を書いています。この手順をなぞってみるにあたってTensorFlowや機械学習・ディープラーニングについての専門知識は不要ですのでぜひお試しください！ ビルド手順 （2017.4.15追記）v1.1.0 RC2 のビルド 現時点での最新Release（候補）である v1.1.0 RC2 も、tensorflow/contrib/makefile/build_all_ios.sh を実行するだけでビルドできました。 （2016.8.22追記）v0.10.0 RC0 のビルド 現時点での最新Releaseである v0.10.0 RC0 は、上記手順でビルドしようとすると c

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? これ書くだけで土日２日間まるまる潰れてしまった。 学んだ内容に沿っているので、順に読み進めるに従ってコードの話になっていきます。 Tensorflow触ってみたい/みたけど、いろいろまだ理解できてない！という方向けに書きました。 ※2018年10月4日追記 大分古い記事なのでリンク切れや公式ドキュメントが大分変更されている可能性が高いです。 この記事のTensorflowは ver0.4~0.7くらいだった気がするので ver2.0~となりそうな現在は文章の大半が何を参考にしているのか分からないかもしれません。 #1: Deep Lea

$ python Python 2.7.6 (default, Jun 22 2015, 17:58:13) [GCC 4.8.2] on linux2 Type "help", "copyright", "credits" or "license" for more information. >>> import tensorflow as tf I tensorflow/stream_executor/dso_loader.cc:77] LD_LIBRARY_PATH: /usr/local/cuda-7.0/lib64: I tensorflow/stream_executor/cuda/cuda_dnn.cc:1062] Unable to load cuDNN DSO. >>> hello = tf.constant('Hello, TensorFlow!') >>> sess