Search Results CPU

メタAIのもう一つの革命的な大規模モデル — 画像特徴抽出のためのDINOv2

Mete AIは、画像から自動的に視覚的な特徴を抽出する新しい画像特徴抽出モデルDINOv2の新バージョンを紹介しましたこれはAIの分野でのもう一つの革命的な進歩です...

事前学習済みのViTモデルを使用した画像キャプショニングにおけるVision Transformer（ViT）

はじめに事前学習済みのViTモデルを使用した画像キャプショニングは、画像の詳細な説明を提供するために画像の下に表示されるテキストまたは書き込みのことを指します。つまり、画像をテキストの説明に翻訳するタスクであり、ビジョン（画像）と言語（テキスト）を接続することで行われます。この記事では、PyTorchバックエンドを使用して、画像のViTを主要な技術として使用して、トランスフォーマーを使用した画像キャプショニングの生成方法を、スクラッチから再トレーニングすることなくトレーニング済みモデルを使用して実現します。出典: Springer 現在のソーシャルメディアプラットフォームや画像のオンライン利用の流行に対応するため、この技術を学ぶことは、説明、引用、視覚障害者の支援、さらには検索エンジン最適化といった多くの理由で役立ちます。これは、画像を含むプロジェクトにとって非常に便利な技術であります。学習目標画像キャプショニングのアイデア ViTを使用した画像キャプチャリングトレーニング済みモデルを使用した画像キャプショニングの実行 Pythonを使用したトランスフォーマーの利用この記事で使用されたコード全体は、このGitHubリポジトリで見つけることができます。この記事は、データサイエンスブログマラソンの一環として公開されました。トランスフォーマーモデルとは何ですか？ ViTについて説明する前に、トランスフォーマーについて理解しましょう。Google Brainによって2017年に導入されて以来、トランスフォーマーはNLPの能力において注目を集めています。トランスフォーマーは、入力データの各部分の重要性を異なる重み付けする自己注意を採用して区別されるディープラーニングモデルです。これは、主に自然言語処理（NLP）の分野で使用されています。トランスフォーマーは、自然言語のようなシーケンシャルな入力データを処理しますが、トランスフォーマーは一度にすべての入力を処理します。注意機構の助けを借りて、入力シーケンスの任意の位置にはコンテキストがあります。この効率性により、より並列化が可能となり、トレーニング時間が短縮され、効率が向上します。トランスフォーマーアーキテクチャ次に、トランスフォーマーのアーキテクチャの構成を見てみましょう。トランスフォーマーアーキテクチャは、主にエンコーダー-デコーダー構造から構成されています。トランスフォーマーアーキテクチャのエンコーダー-デコーダー構造は、「Attention Is All You Need」という有名な論文で発表されました。エンコーダーは、各レイヤーが入力を反復的に処理することを担当し、一方で、デコーダーレイヤーはエンコーダーの出力を受け取り、デコードされた出力を生成します。単純に言えば、エンコーダーは入力シーケンスをシーケンスにマッピングし、それをデコーダーに供給します。デコーダーは、出力シーケンスを生成します。ビジョン・トランスフォーマーとは何ですか？…

科学者たちは、AIと迅速な応答EEGを用いて、せん妄の検出を改善しました

うつ病を検出することは容易ではありませんが、それには大きな報酬があります。患者に必要な治療を迅速かつ確実に行うことで、より早く、より確実に回復することができます。改善された検出は、長期的な熟練したケアの必要性を減らし、患者の生活の質を向上させ、重要な財政的負担を減らすことができます。米国では、うつ病に苦しむ人のケアには、国立衛生研究所によると、年間6万4千ドルの費用がかかります。先月Natureに掲載された論文によると、研究者たちは、高齢者の重症患者におけるうつ病の検出に、NVIDIA GPUによって加速された深層学習モデルであるVision Transformerと、迅速な応答型脳波測定装置であるEEGを使用した方法を説明しています。この論文は、「限られたリードEEGを使用した監視付き深層学習モデルによるVision Transformerによるうつ病の予測」と題され、サウスカロライナ大学のマリッサ・マルキー、パデュー大学の黄河燃、東カロライナ大学のトーマス・アルバネーゼとSunghan Kim、およびパデュー大学のBaijian Yangが執筆しています。彼らの革新的なアプローチは、テスト精度率が97%という結果を得て、認知症の予測において可能性のあるブレークスルーを約束しています。そして、AIとEEGを活用することで、研究者たちは予防と治療方法を客観的に評価し、より良いケアを提供することができます。この印象的な結果は、NVIDIA GPUの高速パフォーマンスの一部によるものであり、CPUに比べてタスクを半分の時間で達成することができました。うつ病は、重症患者の80％に影響を与えます。しかし、従来の臨床的な検出方法では、症例の40％未満が確認されており、患者ケアの重要なギャップを表しています。現在、ICU患者のスクリーニングには、主観的なベッドサイド評価が必要です。携帯型EEG装置の導入により、スクリーニングをより正確かつ手頃な価格で実施できるようになる可能性がありますが、技術者と神経学者の不足は課題です。しかしながら、AIの利用により、神経学者が所見を解釈する必要がなくなり、患者が治療により受容的な2日前にうつ病に関連する変化を検出することができます。また、最小限のトレーニングでEEGを使用することが可能になります。研究者たちは、自然言語処理のために最初に作成されたAIモデルであるViTを、EEGデータに適用しました。これにより、データ解釈に新しいアプローチが可能になりました。大型EEGマシンや専門技術者が必要ない迅速なEEG装置の使用は、この研究の重要な発見の一つでした。この実用的なツールと、収集されたデータを解釈するための高度なAIモデルを組み合わせることで、重症ケアユニットにおけるうつ病のスクリーニングを効率化することができます。この研究は、病院滞在期間を短縮し、退院率を増加させ、死亡率を減少させ、うつ病に関連する財政的負担を減らすための有望な方法を提供しています。 NVIDIA GPUのパワーと革新的な深層学習モデル、実用的な医療機器を統合することで、この研究は技術が患者ケアを向上させる可能性を強調しています。 AIが成長し発展するにつれて、医療専門家は認知症などの状態を予測し、早期に介入するために、ますますそれに頼ることになるでしょう。これは、重症ケアの将来を変革することになります。全文を読む。

AWSが開発した目的に特化したアクセラレータを使用することで、機械学習ワークロードのエネルギー消費を最大90％削減できます

従来、機械学習（ML）エンジニアは、モデルの学習と展開コストとパフォーマンスのバランスを取ることに焦点を当ててきました最近では、持続可能性（エネルギー効率）が顧客にとって追加の目標となっていますこれは重要なことであり、MLモデルのトレーニングを行い、トレーニングされたモデルを使用して予測（推論）を行うことは、非常にエネルギーを消費するタスクであるためです加えて、さらに...

あなたのデータが適切にモデル化されていない5つの兆候

過去10年間におけるクラウド技術と安価なストレージコストの拡大により、多くの組織が以前に考えられなかったほど大量のデータを蓄積していますペイアズユーゴー...

PyTorchモデルのパフォーマンス分析と最適化—Part2

これは、GPU上で実行されるPyTorchモデルの分析と最適化に関する一連の投稿の第二部です最初の投稿では、プロセスとその重要な可能性を示しました...

より速いデータ検索のためのSQLクエリの最適化方法

今日は、なぜSQLクエリの最適化が重要であり、どのようなテクニックを使用して最適化できるかについて話します

SQL

Amazon SageMaker 上で MPT-7B を微調整する

毎週新しい大規模言語モデル（LLM）が発表され、それぞれが前任者を打ち負かして評価のトップを狙っています最新のモデルの1つはMPT-7Bです

AIを活用した空中監視：UCSBイニシアチブがNVIDIA RTXを使い、宇宙の脅威を撃退する目的で立ち上がる

数か月ごとに流星群が起こると、観察者は夜空に散らばる流れ星や光の筋が輝く見事な光景を見ることができます。通常、流星は地球の大気圏に入った瞬間に速やかに燃え尽きる宇宙からの小さな岩や塵の塊です。しかし、彗星や小惑星がやや大きく、地球の表面に直接向かっていて、警告時間がほとんどない場合には、物語は暗い方向に向かうことになります。このようなシナリオを、カリフォルニア大学サンタバーバラ校の物理学教授フィリップ・ルビン氏と彼の大学院生たちは防御策を講じるために取り組んでいます。チームは最近、NASAから第II相資金を受け取り、より迅速かつ効率的に脅威を検出および緩和することができる新しい、より実用的な惑星防御のアプローチを探ることになっています。彼らのイニシアチブはPI-Terminal Planetary Defenseと呼ばれ、PIは「Pulverize It」の略です。彼らが開発している脅威を検出するためのAIおよび機械学習アルゴリズムをトレーニングし、スピードアップするために、NVIDIAはApplied Research Accelerator Programの一環として、グループにNVIDIA RTX A6000グラフィックスカードを提供しました。 AIをスカイに持っていく毎日、約100トンの小さなデブリが地球に降り注ぎますが、大気中で速やかに崩壊し、サバイバルするものはほとんどありません。しかし、月の表面に見られるクレーターの責任を持つような大きな小惑星は、地球上の生命にとって実際の脅威となります。平均して、直径65フィート以上の小惑星が60年ごとに現れ、2013年にロシアのチェリャビンスク上空で爆発したものに相当する約440,000トンのTNTに相当するエネルギーを持つものがあります。 PI-Terminal Planetary Defenseイニシアチブは、関連する脅威をより早く検出し、それから超高速度のキネティックペネトレーターの配列を使用して小惑星または小さな彗星を粉砕し分解し、脅威を大幅に最小限に抑えることを目的としています。従来の惑星防御のアプローチは脅威をそらすことでしたが、Pulverize-Itは、小惑星または彗星をより小さな破片に効果的に破砕し、高高度で地球の大気圏で燃え尽きさせ、地上のダメージを最小限に抑えることを目的としています。これにより、より迅速な緩和が可能になります。脅威を認識することは、最初の重要なステップです。ルビン氏と彼の学生たちは、AIのパワーを活用しました。多くの現代の調査は、大量の天体物理学データを収集しますが、データの収集速度は収集された画像を処理および分析する能力よりも速いです。ルビン氏のグループは、特に惑星防御のためにより大きな調査を設計し、迅速に処理する必要があるより多くのデータを生成することにしています。グループは、You Only…

Rによるディープラーニング

このチュートリアルでは、Rで深層学習タスクを実行する方法を学びます

Machine learning

Learn more about Search Results CPU - Page 45