本連載では過去3回にわたって、ニューラルネットワークおよびディープラーニングの理論的な側面を紹介してきた。最終回となる今回は、これまでの知識を前提に、ディープラーニングライブラリを使ったプログラム実装について解説する。 ディープラーニングの開発環境 実装の具体的な解説に入る前に、開発環境について簡単に触れておきたい。 現時点（2017年2月）では、NVIDIAのDIGITSなどGUIの開発環境もあるが、ディープラーニング開発用ライブラリを使ったカスタム開発が一般的である。プログラミング言語ごとにさまざまなライブラリが提供され、日々改善されている。新しいライブラリも継続的にリリースされており、ディープラーニングの進化の速さがうかがえる。 ライブラリが提供されている開発言語は、C++、Python、Javaなどであるが（図表1）、言語自体の人気もあってかPython用ライブラリが最も充実してお
TensorFlow（主に2.0以降）とそれに統合されたKerasを使って、機械学習・ディープラーニングのモデル（ネットワーク）を構築し、訓練（学習）・評価・予測（推論）を行う基本的な流れを説明する。 公式ドキュメント（チュートリアルとAPIリファレンス） TensorFlow 2.0（TF2）でモデルを構築する3つの方法 データの読み込み（MNIST手書き数字データ） Sequential APIによるモデルの構築 訓練（学習）プロセスの設定: Model.compile() 訓練の実行: Model.fit() 学習済みモデルの評価: Model.evaluate() 学習済みモデルを使った予測（推論）: Model.predict() 学習済みモデルの保存と復元: Model.save() Functional APIによるモデル構築 Subclassing API（Model Su
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? #Ultra96v2でVitis AIを使った、MNIST（手書き文字）の実装。 FPGAでAIをするのは、興味がある人が多いと思います。 ただ、実際の手順をどうすればいいのかがわからない人も多いです。 今回はAIのHello worldとも言われる、手書き数字文字を使って、Ultra96v2で、動作を行います。 はじめてのUltra96 AI EDGEに挑戦編。(シリーズ紹介） 第２弾になります。 Vitis AIはXILINX社から提供されている、AI向け開発環境です。 #目標 下記図は、Edge AIで行う作業です。今回は、学習か
執筆者の自己紹介 今回はAIエンジニア担当の私、TEPPE-AIが執筆させていただきます。 まだ入社してまもない、駆け出しエンジニアですがどうぞ温かく見守っていただけるとうれしいです・・。 まずは簡単な自己紹介から！ ★名前：TEPPE-AI 年齢：25歳(未婚) ★出身：新潟県(標準語で喋れますのでご安心を) ★趣味：テニス 鉄道旅 ゲーム ペン回し ラーメン屋めぐり ★経歴：前職で人工知能の開発、その後PALTEKに転職(まだまだ駆け出しなので経歴みじかい・・・) ★容姿：身長は大きいほう(180cmぐらい) よく笑い、よく寝る！そして何処にでもいる顔！ 自己紹介はこれくらいにしまして・・・、今回わたしが執筆させていただくお題はこちら！ ザイリンクス社「Vitis™ AI開発環境」 を評価キット ZCU102 で動かしてみた 「ザイリンクス社が提供しているVitis™ AI開発環境を
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
