TPU

1/10ページ

Google Research:2019年の振り返りと2020年以降に向けて(5/9)

AI

1.Google Research:2019年の振り返りと2020年以降に向けて(5/9)まとめ ・2019年はニューラルネットワークのトレーニングにどのような力学が働くのか特性を理解を目指した ・AutoMLの研究も継続し、既存モデルの改良や特定ハードに特化したモデルなど様々な改良を実施 ・表形式データの取り扱いに特化したAutoML Tablesはデータサイエンティストのコンペで好成績収めた […]

人工知能とデータサイエンスの2019年の主な進展と2020年の予測research編(3/3)

AI

1.人工知能とデータサイエンスの2019年の主な進展と2020年の予測research編(3/3)まとめ ・ビジネスにAIを採用させる事を成功するためにはビジネス固有のカスタムソリューションが必要 ・より複雑なデータサイエンスの問題には、特定分野の専門家による介入とガイドが不可欠となる ・良い目的で使用されるAIと悪い目的で使用されるAI間の綱引きは引き続いていく 2.DIY AI時代 以下、ww […]

機械学習のトップマインドによる2020年のAI予測(1/3)

AI

1.機械学習のトップマインドによる2020年のAI予測(1/3)まとめ ・AIは単純な精度よりもパフォーマンスに重きを置いて評価されるようになっていく可能性が高い ・機械学習フレームワークの覇権争いは収束し次の主戦場はアクセラレータや量子化に対応したコンパイラ ・AIが「ブラックボックス」であると言う批判は的を得ていない。人間の脳もブラックボックス 2.機械学習のコンパイラとブラックボックス神話 […]

MobileNetV3:次世代のオンデバイス視覚モデル(3/3)

AI

1.MobileNetV3:次世代のオンデバイス視覚モデル(3/3)まとめ ・精度とEdge TPU上で実行された際の速度を両立させるAutoMLをした結果MobileNetEdgeTPUモデル誕生 ・既存のモバイルモデルよりも同一精度でより早い応答速度もしくは同一応答速度でより高い精度を実現 ・しかしMobileNetEdgeTPUをモバイルCPUで実行するとMobileNetV3と比較してパフ […]

MobileNetV3:次世代のオンデバイス視覚モデル(2/3)

AI

1.MobileNetV3:次世代のオンデバイス視覚モデル(2/3)まとめ ・MobileNetV3の探索スペースはh-swishとsqueeze-and-excitationで改良が施されている ・ネットワークの最後に新しい効率的な〆(last stage)を導入し、応答速度を更に15%削減 ・Lite Reduced Atrous Spatial Pyramid Pooling(LR-SPP) […]

1 10