AI・機械学習・ディープラーニング

ディープラーニングのフレームワーク

投稿日:

名前 ユースケース メリット
TensorFlow google MNIST(手書き数字を判別)、CNN(画像認識)、Word2Vec(各単語の関係を学習)、RNN(文章から次の単語予測)、Seq2Seq Model(フランス語を英語に翻訳) CPU/GPU意識しない
CNTK Microsoft 高速
Chainer 国産
Caffe yahoo 画像分類
Amazon Machine Learning 構造化データをS3,RDS,Redshiftに入れて、二値分類、クラス分類、回帰予測ができる GUIで簡単

Tensorflowが公開されたときのコメントとして、機械学習のフレームワークやアルゴリズムよりも、「持っているデータ」が価値があるとのこと。

ある程度まで機械学習を使えるようになったら、「どんなデータを、どうやって集めるか」に注力した方がよさそう。

-AI・機械学習・ディープラーニング

Copyright© SIerからWeb系自社開発に転職!失敗して感じたたった1つの後悔 , 2019 All Rights Reserved.