$30 off During Our Annual Pro Sale. View Details »
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
CoreMLやってみた - 2017/07/15 AKIBA.Swift x SWWDC
Search
tototti
July 22, 2017
Technology
0
1.1k
CoreMLやってみた - 2017/07/15 AKIBA.Swift x SWWDC
AKIBA.Swift x SWWDCの発表資料です。
tototti
July 22, 2017
Tweet
Share
More Decks by tototti
See All by tototti
ShazamKit調べてみた - 仙台iOS開発者勉強会 SWWDC47 - AppleEvent振り返り + LT会
tototti
0
240
2017年 SWWDCの活動振り返りと来年の展望
tototti
0
640
データサイエンスで宝くじ hack
tototti
0
1.4k
Realm使ってみた (SWWDC 仙台iPhoneとか開発者勉強会 その26)
tototti
0
470
Xcodeの小ネタ (SWWDC 仙台iPhoneとか開発者勉強会 その26)
tototti
0
420
Other Decks in Technology
See All in Technology
Playwrightのソースコードに見る、自動テストを自動で書く技術
yusukeiwaki
13
4.7k
計算機科学をRubyと歩む 〜DFA型正規表現エンジンをつくる~
ydah
3
190
MapKitとオープンデータで実現する地図情報の拡張と可視化
zozotech
PRO
1
120
エンジニアリングマネージャー はじめての目標設定と評価
halkt
0
250
regrowth_tokyo_2025_securityagent
hiashisan
0
160
pmconf2025 - 他社事例を"自社仕様化"する技術_iRAFT法
daichi_yamashita
0
780
Reinforcement Fine-tuning 基礎〜実践まで
ch6noota
0
140
AI活用によるPRレビュー改善の歩み ― 社内全体に広がる学びと実践
lycorptech_jp
PRO
1
180
EM歴1年10ヶ月のぼくがぶち当たった苦悩とこれからへ向けて
maaaato
0
270
5分で知るMicrosoft Ignite
taiponrock
PRO
0
130
意外とあった SQL Server 関連アップデート + Database Savings Plans
stknohg
PRO
0
290
Snowflakeでデータ基盤を もう一度作り直すなら / rebuilding-data-platform-with-snowflake
pei0804
2
300
Featured
See All Featured
Learning to Love Humans: Emotional Interface Design
aarron
274
41k
Practical Tips for Bootstrapping Information Extraction Pipelines
honnibal
25
1.6k
Building Adaptive Systems
keathley
44
2.9k
Build your cross-platform service in a week with App Engine
jlugia
234
18k
Why Our Code Smells
bkeepers
PRO
340
57k
Navigating Team Friction
lara
191
16k
Side Projects
sachag
455
43k
The World Runs on Bad Software
bkeepers
PRO
72
12k
The Success of Rails: Ensuring Growth for the Next 100 Years
eileencodes
47
7.8k
Fireside Chat
paigeccino
41
3.7k
We Have a Design System, Now What?
morganepeng
54
7.9k
Imperfection Machines: The Place of Print at Facebook
scottboms
269
13k
Transcript
DPSF.-ͬͯΈͨ 488%$Y",*#"TXJGU
ࣗݾհ w .ݝ4ࢢग़ w J04ΞϓϦ w डୗ։ൃͰΞϓϦ࡞ͬͯ·͢
488%$ w 4FOEBJ8PSME8JEF%FWFMPQFST $POGFSFODF w 4JODF w ΄΅݄։࠵ɹ͜Ε·Ͱʹճ
࠷ۙͷࢲత׆ಈ
DPVSTFSB.- ػցֶशͷֶशͷఆ൪ͱݴΘΕ͍ͯΔ
1ZUIPO͡Ί·ͨ͠ 4XJGUͲ͜ʹ͍ͬͨʜ
Ռ Ռͨͯ͠Ռͱݴ͑Δͷ͔ʜ
ػցֶशͷษڧձ Γ͍ͨͰ͢Ͷʜ
͔ͯ͠͠ J04͖ؾຯʁ ͦΜͳ͜ͱͳ͍ΜͰ͚͢ͲɺࣄͰͬͯΔ͠ʜ
88%$ ͦΜͳத։࠵͞Εͨ88%$
DPSF.-͕ൃදʹͳΓ·ͨ͠ ը૾ɿ88%$*OUSPEVDJOH$PSF.-ΑΓ
88%$DPSF.- w *OUSPEVDJOH$PSF.- w 88%$4FTTJPO w $PSF.-JOEFQUI w
88%$4FTTJPO ϜʔϏʔΛݟͨ σϞ͕Θ͔Γ͍͢ͷͰΦεεϝ
Convert to Core ML Core ML Tools Xcode Your App
.-.0%&- ը૾ɿ88%$*OUSPEVDJOH$PSF.-ΑΓ
DPSF.-ϝϦοτ w Ϟσϧ࡞Γ1ZUIPOͰॻ͚Δ w طଘͷϥΠϒϥϦར༻ w ॲཧ͕ΞϓϦͰ݁͢Δ w ϓϥΠόγʔ "QQMF͞Μ͕ڧௐͯ͠·ͨ͠
DPSF.-ͬͯΈͨ
DPSF.-ͬͯΈͨ w Ϟσϧ4RVFF[F/FU w "QQMFͷαΠτʹࡌͬͯΔ w ೖྗɿը૾ Y w
ग़ྗɿςΩετ ө͍ͬͯΔͷ w ༰ྔ.#
ϞσϧΛ9DPEFʹͱΓࠐΉ w .PEFMϑΝΠϧΛ9DPEFʹυϥοά Demo Recap Xcode integration υϥοά͢Δ͚ͩͰ͑ΔΑ͏ʹͳΔʂ ը૾ɿ88%$*OUSPEVDJOH$PSF.-ΑΓ
ιʔεΛॻ͘ let model = SqueezeNet() let prediction = try model.prediction(image:
cvPixelBuf) print(“\(prediction.classLabel)) Θ͔ͣߦͰ݁Ռ͕ग़Δ
࣮ݧ നனʹࣂ͍ओͷුؾݱΛܸͯ͠ڻዼΛӅͤͳ͍ೣ ը૾ɿϑϦʔૉࡐͺͨͦ͘ʢXXXQBLVUBTPDPN
݁Ռ w "SDUJDGPY w ϗοΩϣΫΪπω w XIJUFGPY w
ന͍Ωπω w "MPQFYMBHPQVT w ϗοΩϣΫΪπω
݁Ռ ϗοΩϣΫΪπωʂ
࣮ݧ ೣϏοΫϦ ը૾ɿϑϦʔૉࡐͺͨͦ͘ʢXXXQBLVUBTPDPN
݁Ռ w MZOY w ΦΦϠϚωί w DBUBNPVOU w ωίՊͷ्ɺ
ಛʹ Ϋʔ ΨʔɺΦΦϠϚωί
݁Ռ ΦΦϠϚωίʂ
DPSF.-·ͱΊ w ಈ͔͚ͩ͢Ͱ݁ߏָ͍͠ w طଘϞσϧͷಋೖੌ͘खܰ w ҰํɺϞσϧΛ࡞Δͷ͍͠ w Ͳ͏͍͏͍ํ͕Ͱ͖Δ͔ʜ
w ͜Ε͔Βߟ͍͑ͨ