Soumettre la recherche
Mettre en ligne
ailia SDK ハンズオン ~1時間で体感するAIを使ったコンピュータビジョン~
•
0 j'aime
•
893 vues
H
HitoshiSHINABE1
Suivre
2022年2月25日DeepLearningLab クラウドxエッジAI Dayの資料です
Lire moins
Lire la suite
Ingénierie
Signaler
Partager
Signaler
Partager
1 sur 35
Télécharger maintenant
Télécharger pour lire hors ligne
Recommandé
Intel AVX2を使用したailia sdkの最適化
Intel AVX2を使用したailia sdkの最適化
HitoshiSHINABE1
[DL輪読会]Flow-based Deep Generative Models
[DL輪読会]Flow-based Deep Generative Models
Deep Learning JP
第1回 配信講義 計算科学技術特論A (2021)
第1回 配信講義 計算科学技術特論A (2021)
RCCSRENKEI
TensorFlow Lite Delegateとは?
TensorFlow Lite Delegateとは?
Mr. Vengineer
Tensorflow Liteの量子化アーキテクチャ
Tensorflow Liteの量子化アーキテクチャ
HitoshiSHINABE1
画像認識と深層学習
画像認識と深層学習
Yusuke Uchida
CUDAのアセンブリ言語基礎のまとめ PTXとSASSの概説
CUDAのアセンブリ言語基礎のまとめ PTXとSASSの概説
Takateru Yamagishi
ブラックボックス最適化とその応用
ブラックボックス最適化とその応用
gree_tech
Recommandé
Intel AVX2を使用したailia sdkの最適化
Intel AVX2を使用したailia sdkの最適化
HitoshiSHINABE1
[DL輪読会]Flow-based Deep Generative Models
[DL輪読会]Flow-based Deep Generative Models
Deep Learning JP
第1回 配信講義 計算科学技術特論A (2021)
第1回 配信講義 計算科学技術特論A (2021)
RCCSRENKEI
TensorFlow Lite Delegateとは?
TensorFlow Lite Delegateとは?
Mr. Vengineer
Tensorflow Liteの量子化アーキテクチャ
Tensorflow Liteの量子化アーキテクチャ
HitoshiSHINABE1
画像認識と深層学習
画像認識と深層学習
Yusuke Uchida
CUDAのアセンブリ言語基礎のまとめ PTXとSASSの概説
CUDAのアセンブリ言語基礎のまとめ PTXとSASSの概説
Takateru Yamagishi
ブラックボックス最適化とその応用
ブラックボックス最適化とその応用
gree_tech
[DL輪読会]GQNと関連研究,世界モデルとの関係について
[DL輪読会]GQNと関連研究,世界モデルとの関係について
Deep Learning JP
動的輪郭モデル
動的輪郭モデル
Arumaziro
2値化CNN on FPGAでGPUとガチンコバトル(公開版)
2値化CNN on FPGAでGPUとガチンコバトル(公開版)
Hiroki Nakahara
Iclr2016 vaeまとめ
Iclr2016 vaeまとめ
Deep Learning JP
[DL輪読会]Pay Attention to MLPs (gMLP)
[DL輪読会]Pay Attention to MLPs (gMLP)
Deep Learning JP
深層生成モデルと世界モデル
深層生成モデルと世界モデル
Masahiro Suzuki
0から理解するニューラルネットアーキテクチャサーチ(NAS)
0から理解するニューラルネットアーキテクチャサーチ(NAS)
MasanoriSuganuma
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
Optuna Dashboardの紹介と設計解説 - 2022/12/10 Optuna Meetup #2
Optuna Dashboardの紹介と設計解説 - 2022/12/10 Optuna Meetup #2
Preferred Networks
畳み込みニューラルネットワークの高精度化と高速化
畳み込みニューラルネットワークの高精度化と高速化
Yusuke Uchida
【DL輪読会】High-Resolution Image Synthesis with Latent Diffusion Models
【DL輪読会】High-Resolution Image Synthesis with Latent Diffusion Models
Deep Learning JP
【DL輪読会】Llama 2: Open Foundation and Fine-Tuned Chat Models
【DL輪読会】Llama 2: Open Foundation and Fine-Tuned Chat Models
Deep Learning JP
【DL輪読会】論文解説:Offline Reinforcement Learning as One Big Sequence Modeling Problem
【DL輪読会】論文解説:Offline Reinforcement Learning as One Big Sequence Modeling Problem
Deep Learning JP
変分推論法(変分ベイズ法)(PRML第10章)
変分推論法(変分ベイズ法)(PRML第10章)
Takao Yamanaka
ARM CPUにおけるSIMDを用いた高速計算入門
ARM CPUにおけるSIMDを用いた高速計算入門
Fixstars Corporation
SSII2021 [OS2-01] 転移学習の基礎:異なるタスクの知識を利用するための機械学習の方法
SSII2021 [OS2-01] 転移学習の基礎:異なるタスクの知識を利用するための機械学習の方法
SSII
敵対的学習に対するラデマッハ複雑度
敵対的学習に対するラデマッハ複雑度
Masa Kato
ELBO型VAEのダメなところ
ELBO型VAEのダメなところ
KCS Keio Computer Society
グラフニューラルネットワーク入門
グラフニューラルネットワーク入門
ryosuke-kojima
「世界モデル」と関連研究について
「世界モデル」と関連研究について
Masahiro Suzuki
20101127 Android Usability Seminar
20101127 Android Usability Seminar
Visso株式会社
CEDEC2021 Android iOS 実機上での自動テストをより楽に有意義にする為に ~端末管理・イメージ転送・動画記録等の周辺情報のノウハウ共有~
CEDEC2021 Android iOS 実機上での自動テストをより楽に有意義にする為に ~端末管理・イメージ転送・動画記録等の周辺情報のノウハウ共有~
SEGADevTech
Contenu connexe
Tendances
[DL輪読会]GQNと関連研究,世界モデルとの関係について
[DL輪読会]GQNと関連研究,世界モデルとの関係について
Deep Learning JP
動的輪郭モデル
動的輪郭モデル
Arumaziro
2値化CNN on FPGAでGPUとガチンコバトル(公開版)
2値化CNN on FPGAでGPUとガチンコバトル(公開版)
Hiroki Nakahara
Iclr2016 vaeまとめ
Iclr2016 vaeまとめ
Deep Learning JP
[DL輪読会]Pay Attention to MLPs (gMLP)
[DL輪読会]Pay Attention to MLPs (gMLP)
Deep Learning JP
深層生成モデルと世界モデル
深層生成モデルと世界モデル
Masahiro Suzuki
0から理解するニューラルネットアーキテクチャサーチ(NAS)
0から理解するニューラルネットアーキテクチャサーチ(NAS)
MasanoriSuganuma
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
Optuna Dashboardの紹介と設計解説 - 2022/12/10 Optuna Meetup #2
Optuna Dashboardの紹介と設計解説 - 2022/12/10 Optuna Meetup #2
Preferred Networks
畳み込みニューラルネットワークの高精度化と高速化
畳み込みニューラルネットワークの高精度化と高速化
Yusuke Uchida
【DL輪読会】High-Resolution Image Synthesis with Latent Diffusion Models
【DL輪読会】High-Resolution Image Synthesis with Latent Diffusion Models
Deep Learning JP
【DL輪読会】Llama 2: Open Foundation and Fine-Tuned Chat Models
【DL輪読会】Llama 2: Open Foundation and Fine-Tuned Chat Models
Deep Learning JP
【DL輪読会】論文解説:Offline Reinforcement Learning as One Big Sequence Modeling Problem
【DL輪読会】論文解説:Offline Reinforcement Learning as One Big Sequence Modeling Problem
Deep Learning JP
変分推論法(変分ベイズ法)(PRML第10章)
変分推論法(変分ベイズ法)(PRML第10章)
Takao Yamanaka
ARM CPUにおけるSIMDを用いた高速計算入門
ARM CPUにおけるSIMDを用いた高速計算入門
Fixstars Corporation
SSII2021 [OS2-01] 転移学習の基礎:異なるタスクの知識を利用するための機械学習の方法
SSII2021 [OS2-01] 転移学習の基礎:異なるタスクの知識を利用するための機械学習の方法
SSII
敵対的学習に対するラデマッハ複雑度
敵対的学習に対するラデマッハ複雑度
Masa Kato
ELBO型VAEのダメなところ
ELBO型VAEのダメなところ
KCS Keio Computer Society
グラフニューラルネットワーク入門
グラフニューラルネットワーク入門
ryosuke-kojima
「世界モデル」と関連研究について
「世界モデル」と関連研究について
Masahiro Suzuki
Tendances
(20)
[DL輪読会]GQNと関連研究,世界モデルとの関係について
[DL輪読会]GQNと関連研究,世界モデルとの関係について
動的輪郭モデル
動的輪郭モデル
2値化CNN on FPGAでGPUとガチンコバトル(公開版)
2値化CNN on FPGAでGPUとガチンコバトル(公開版)
Iclr2016 vaeまとめ
Iclr2016 vaeまとめ
[DL輪読会]Pay Attention to MLPs (gMLP)
[DL輪読会]Pay Attention to MLPs (gMLP)
深層生成モデルと世界モデル
深層生成モデルと世界モデル
0から理解するニューラルネットアーキテクチャサーチ(NAS)
0から理解するニューラルネットアーキテクチャサーチ(NAS)
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
Optuna Dashboardの紹介と設計解説 - 2022/12/10 Optuna Meetup #2
Optuna Dashboardの紹介と設計解説 - 2022/12/10 Optuna Meetup #2
畳み込みニューラルネットワークの高精度化と高速化
畳み込みニューラルネットワークの高精度化と高速化
【DL輪読会】High-Resolution Image Synthesis with Latent Diffusion Models
【DL輪読会】High-Resolution Image Synthesis with Latent Diffusion Models
【DL輪読会】Llama 2: Open Foundation and Fine-Tuned Chat Models
【DL輪読会】Llama 2: Open Foundation and Fine-Tuned Chat Models
【DL輪読会】論文解説:Offline Reinforcement Learning as One Big Sequence Modeling Problem
【DL輪読会】論文解説:Offline Reinforcement Learning as One Big Sequence Modeling Problem
変分推論法(変分ベイズ法)(PRML第10章)
変分推論法(変分ベイズ法)(PRML第10章)
ARM CPUにおけるSIMDを用いた高速計算入門
ARM CPUにおけるSIMDを用いた高速計算入門
SSII2021 [OS2-01] 転移学習の基礎:異なるタスクの知識を利用するための機械学習の方法
SSII2021 [OS2-01] 転移学習の基礎:異なるタスクの知識を利用するための機械学習の方法
敵対的学習に対するラデマッハ複雑度
敵対的学習に対するラデマッハ複雑度
ELBO型VAEのダメなところ
ELBO型VAEのダメなところ
グラフニューラルネットワーク入門
グラフニューラルネットワーク入門
「世界モデル」と関連研究について
「世界モデル」と関連研究について
Similaire à ailia SDK ハンズオン ~1時間で体感するAIを使ったコンピュータビジョン~
20101127 Android Usability Seminar
20101127 Android Usability Seminar
Visso株式会社
CEDEC2021 Android iOS 実機上での自動テストをより楽に有意義にする為に ~端末管理・イメージ転送・動画記録等の周辺情報のノウハウ共有~
CEDEC2021 Android iOS 実機上での自動テストをより楽に有意義にする為に ~端末管理・イメージ転送・動画記録等の周辺情報のノウハウ共有~
SEGADevTech
福井スマートフォンハッカソン Titanium Mobileの紹介
福井スマートフォンハッカソン Titanium Mobileの紹介
Mori Shingo
生成AIが切り拓く新しいゲームの創り方・遊び方
生成AIが切り拓く新しいゲームの創り方・遊び方
KLab Inc. / Tech
使い倒そうVisual Studio Code!!! ~ここからはじめる基本のキ~
使い倒そうVisual Studio Code!!! ~ここからはじめる基本のキ~
Saki Homma
「宴」実装時に得られたUnityプログラムノウハウ
「宴」実装時に得られたUnityプログラムノウハウ
Ryohei Tokimura
Windows 8 Developers カンファレンス
Windows 8 Developers カンファレンス
Kaoru NAKAMURA
Windows Live SkyDrive Update .NETラボ勉強会 2012-06-23 - 公開
Windows Live SkyDrive Update .NETラボ勉強会 2012-06-23 - 公開
Tomokazu Kizawa
Scalaコーディングの準備
Scalaコーディングの準備
Yusuke Arakaki
Stack2017 自動化困難な状況での活動方法
Stack2017 自動化困難な状況での活動方法
Tatsuya Ishikawa
Infragistics Web Day 2017 - 継続的な開発を支える テスト自動化技術
Infragistics Web Day 2017 - 継続的な開発を支える テスト自動化技術
Tatsuya Ishikawa
Visual Studio を使わず .NET する
Visual Studio を使わず .NET する
m ishizaki
インタフェースのこころ
インタフェースのこころ
Koichi ITO
Android studio で行ってみよう!!
Android studio で行ってみよう!!
Kazuaki Ueda
ソニックガーデン流 無駄のないシステム開発
ソニックガーデン流 無駄のないシステム開発
Masahiro Nishimi
Device Farm を使ったスマホアプリの自動テスト
Device Farm を使ったスマホアプリの自動テスト
健一 辰濱
そう、UE4ならね。あなたのモバイルゲームをより快適にする沢山の冴えたやり方について Part 1 <Shader Compile, PSO Cache編>
そう、UE4ならね。あなたのモバイルゲームをより快適にする沢山の冴えたやり方について Part 1 <Shader Compile, PSO Cache編>
エピック・ゲームズ・ジャパン Epic Games Japan
GAIS 「生成AI人材育成・教育WGについて」
GAIS 「生成AI人材育成・教育WGについて」
shimay
ソニックガーデン流 無駄のないシステム開発
ソニックガーデン流 無駄のないシステム開発
Salesforce Developers Japan
事前準備の手引書
事前準備の手引書
Makoto Oya
Similaire à ailia SDK ハンズオン ~1時間で体感するAIを使ったコンピュータビジョン~
(20)
20101127 Android Usability Seminar
20101127 Android Usability Seminar
CEDEC2021 Android iOS 実機上での自動テストをより楽に有意義にする為に ~端末管理・イメージ転送・動画記録等の周辺情報のノウハウ共有~
CEDEC2021 Android iOS 実機上での自動テストをより楽に有意義にする為に ~端末管理・イメージ転送・動画記録等の周辺情報のノウハウ共有~
福井スマートフォンハッカソン Titanium Mobileの紹介
福井スマートフォンハッカソン Titanium Mobileの紹介
生成AIが切り拓く新しいゲームの創り方・遊び方
生成AIが切り拓く新しいゲームの創り方・遊び方
使い倒そうVisual Studio Code!!! ~ここからはじめる基本のキ~
使い倒そうVisual Studio Code!!! ~ここからはじめる基本のキ~
「宴」実装時に得られたUnityプログラムノウハウ
「宴」実装時に得られたUnityプログラムノウハウ
Windows 8 Developers カンファレンス
Windows 8 Developers カンファレンス
Windows Live SkyDrive Update .NETラボ勉強会 2012-06-23 - 公開
Windows Live SkyDrive Update .NETラボ勉強会 2012-06-23 - 公開
Scalaコーディングの準備
Scalaコーディングの準備
Stack2017 自動化困難な状況での活動方法
Stack2017 自動化困難な状況での活動方法
Infragistics Web Day 2017 - 継続的な開発を支える テスト自動化技術
Infragistics Web Day 2017 - 継続的な開発を支える テスト自動化技術
Visual Studio を使わず .NET する
Visual Studio を使わず .NET する
インタフェースのこころ
インタフェースのこころ
Android studio で行ってみよう!!
Android studio で行ってみよう!!
ソニックガーデン流 無駄のないシステム開発
ソニックガーデン流 無駄のないシステム開発
Device Farm を使ったスマホアプリの自動テスト
Device Farm を使ったスマホアプリの自動テスト
そう、UE4ならね。あなたのモバイルゲームをより快適にする沢山の冴えたやり方について Part 1 <Shader Compile, PSO Cache編>
そう、UE4ならね。あなたのモバイルゲームをより快適にする沢山の冴えたやり方について Part 1 <Shader Compile, PSO Cache編>
GAIS 「生成AI人材育成・教育WGについて」
GAIS 「生成AI人材育成・教育WGについて」
ソニックガーデン流 無駄のないシステム開発
ソニックガーデン流 無駄のないシステム開発
事前準備の手引書
事前準備の手引書
ailia SDK ハンズオン ~1時間で体感するAIを使ったコンピュータビジョン~
1.
2.
ailia SDK ハンズオン ~1時間で体感するAIを使ったコンピュータビジョン~ 2022.02.25 Hitoshi
Shinabe / ax Inc.
3.
本日のハンズオンについて 本日のハンズオンは既に世の中にある学習済みAIモデルを使用する ため、AIモデルを作成する学習工程(トレーニング)は行いません 。ディープラーニングの推論実行が中心となります。その点ご注意 下さい。
4.
はじめに 本日使用するailia SDK体験版をダウンロードお願い致します(400MB強) https://ailia.jp/dllab2022 正式な評価版は下記からダウンロード可能です https://ailia.jp/trial
5.
本日の流れ ● エッジデバイスでディープラーニングを動かす前提知識(5分) ● ailia
SDK の紹介(5分) ● ailia SDK ハンズオン(30~40分) ○ 対応環境 ○ ailia SDKのダウンロード ○ ailia SDKのインストール・動作確認 ○ ailia MODELSの説明 ○ ailia MODELSのダウンロード ○ YOLOv3/v4/v5/Xをそれぞれ動かしてみる ○ 他のAIを動かしてみる ● Q&Aなど
6.
エッジデバイスでディープラーニングを 動かす前提知識
7.
「AIモデル」と「AIフレームワーク」 ● AIモデル ○ 物体認識、カテゴリ分類、音声合成、自然言語処理など、「●●を するAI」の大元を司るファイル ○
膨大なパラメーターと、演算処理グラフが規定されている ● AIフレームワーク ○ AIモデルを作る(学習する)、AIモデルを使ってAIを実行する(推論 する)、などの機能を有したソフトウェアライブラリ ○ Python製のものが多い ○ ailia SDK はAIフレームワークでも、推論フレームワークに属する
8.
エッジAIを実装しようとするときの問題点(モデル編) モデルA モデルE モデルB モデルC
モデルD ・・・ フレームワークA 〇 〇 〇 ― ― フレームワークB 〇 〇 ― ― ― フレームワークC 〇 ― ― ― 〇 → 使いたいモデルが利用できるフレームワークの選択肢に制限があることが多い
9.
エッジAIを実装しようとするときの問題点(プラットフォーム編) Linux Andorid Windows Mac
iOS ・・・ フレームワークA 〇 フレームワークB フレームワークC → 使いたいプラットフォームで使えるフレームワーク(や言語)に制約がある 〇 〇 CPU GPU CPU GPU CPU GPU CPU GPU CPU GPU 〇 ー ー ー ー 〇 ー ー ー ー ー ー ー ー ー ー ー ー 〇 〇 〇 〇 〇 〇 〇 ※こちらの対応表はイメージです ー 〇
10.
結果・・ モデル変換 依存ライブラリ インストール フレームワーク 調査・選定 OS フレームワーク インストール モデル入手 モデル調査 NG PC 結果検証 前処理・後処理 プログラミング エッジ側 調査・選定 NG → ちょっと結果が見たいだけ、なのに多大な構築コストが発生してしまう。
11.
ailia SDKを使うメリット(1) 物体検出 顔検出 性別推定 年齢推定
骨格検出 音声認識 画像分類 深度推定 物体追跡 スタイル変換 Windows Mac iOS Android FPGA/ASIC Jetson Linux 組み込み機器 各種GPU 各種CPU ・・・ ・・・ 200種を超える ailia MODELS ailia SDKで クロスプラットフォ ーム開発 高速チューニングされた 各種アクセラレーター
12.
ailia SDKを使うメリット(2) 従来 ailia SDK ailia
SDK インストール ailia MODELS ダウンロード ailia MODELS サンプル実行 PC 結果検証 モデル変換 依存ライブラリ インストール フレームワーク 調査・選定 OS フレームワーク インストール モデル入手 モデル調査 NG PC 結果検証 前処理・後処理 プログラミング エッジ側 調査・選定 エッジ側 選定・開発 NG シンプルなワークフローで開発効率が上昇
13.
ailia SDK ハンズオン
14.
本日の想定環境 • Windows10 • macOS
( Intel CPU/ Apple M1 ) それぞれにPython3.7~3.9をインストールした状態からスタート
15.
もしPythonがインストールされていない場合 Python公式サイトからダウンロードしてインスト-ルしてください https://www.python.org/
16.
ailia SDK をダウンロード(1) ダウンロードURL(本日専用) https://ailia.jp/dllab2022 正式な評価版は下記からダウンロード可能です https://ailia.jp/trial
17.
ailia SDK をダウンロード(1) ailia
SDK 評価版(ハンズオン向け)をダウンロードする
18.
ZIP解凍して中身を確認する ZIPファイルを解凍して、中身が問題無いか確認する
19.
ターミナルを開く • Windows 「コマンドプロンプト」もしくは「Windows PowerShell」を起動 •
Mac 「アプリケーション」→「ターミナル」を起動
20.
Pythonバージョンを確認 インストールしたPythonのバージョンを確認する (ailia MODELSのサンプルコードはPython3.6以上を対象にしています)
21.
ailia のPythonフォルダへ移動
22.
ailiaライセンスファイルの確認
23.
インストールを実行 python bootstrap.py pip install
.
24.
インストールできているか確認する pip show ailia
25.
ailia MODELSの説明
26.
ailia MODELSについて ailia SDKと一緒に使ための、学習済みモデルの
Model Zoo 200種類以上がラインナップ
27.
ailia MODELSのダウンロード
28.
ailia MODELSのファイル展開 ダウンロードしたZIPを解凍してPythonコードを展開する
29.
必要なパッケージのインストール > pip install
-r requirements.txt
30.
launcher.pyの実行
31.
YOLOの実行と結果確認
32.
他のAIを試してみる
33.
おまけ:モデルを個別に実行してみる
34.
まとめ • ailia SDK
と ailia MODELSを使って200種類以上のモデルを簡 単に試行可能 • 試したモデルをクロスプラットフォーム開発可能 • モデルのカスタマイズやAIアプリの開発のご相談もお受けしま すのでご相談下さい
35.
ご清聴有り難うございました ax Inc. https://axinc.jp/ contact@axinc.jp ※ハンズオンでご質問頂いたエラー等については、 対処法を確認の上、別途資料をアップロード予定です
Télécharger maintenant