トランスレータ(無償版)は,比較的ROM/RAM容量の小さいマイコンを対象としています。 ライブラリで使う容量を圧縮するため,ニューラルネットワークでよく使われる関数のみをサポートしています。

 

トランスレート可能関数一覧(推論時)

学習時のみで使い,推論時に使用しないニューラルネット関数,(例えば,loss評価式で使う関数 tf.nn.l2_loss など)は,使用可能です。

Neural Networkの機能名称 Tensorflow Caffe
Convolution tf.nn.conv2d Convolution
tf.contrib.layers.conv2d
tf.contrib.layers.convolution2d
Deconvolution tf.nn.conv2d_transpose Deconvolution
tf.contrib.layers.conv2d_transpose
tf.contrib.layers.convolution2d_transpose
Max Pooling tf.nn.max_pool Pooling
tf.contrib.layers.max_pool2d with pooling_param {pool: MAX}
Average Pooling tf.nn.avg_pool Pooling
tf.contrib.layers.avg_pool2d with pooling_param {pool: AVE}
Relu tf.nn.relu ReLU
Tanh tf.tanh TanH
Sigmoid tf.sigmoid Sigmoid
Softmax tf.nn.softmax Softmax
tf.contrib.layers.softmax
tf.nn.softmax_cross_entropy_with_logits
Innerproduct tf.matmul InnerProduct
tf.contrib.layers.fully_connected
Other Functions tf.add Input
tf.nn.bias_add Reshape
tf.contrib.layers.bias_add Split
tf.reshape  

主要なNN構造への対応状況

Convolutional Neural Network
(CNN)
LeNet  
AlexNet LRN関数には未対応。外せば対応可能
VGG FCのノード数が大きいので変換時に甚大なメモリ容量が必要
Network in Network GoogleNet × DepthConcatには対応していません
Recurrent Neural Network
(RNN)
  × メモリ内蔵ネットワークには未対応
CNNでの代替を検討してください
Long Short Term Memory
(LSTM)
  × メモリ内蔵ネットワークには未対応  
CNNでの代替を検討してください
Auto Encorder   Transpose関数には未対応
関連動画
1:15
モーターの制御と機器の故障検知を1つのマイコンで実現するデモです。
AIユニットソリューションを適用する一連の処理をご説明するデモです。 AIユニットは複数の入出力を持っており、複数のセンサを組み合わせたセンシングや、トリガ信号による波形切り取りなど、AIに判定させるためのデータの加工(前処理)を容易にする機能を搭載しています。
1:10
e-AIによる、製造装置の予知保全に関するデモです。注目は、既存する製造装置へ後付け可能なAIユニットです。
1:09
e-AIで実現するヘルスケア向けソリューション、循環器疾病予兆リファレンス・キットのデモです。普段の生活の中で生体情報を取得し、取得したデータから健康状態を予兆、これらを「家」というプライベートな空間でリアルタイムに行います。
2:17
生体情報モニタモジュールのデモです。 最大1kHzで脈波と心電の同時測定を行い、データをBluetooth Low EnergyでPCに転送できます。下記動画では、測定の様子がご覧になれます。
1:51
様々なエッジデバイスをリアルタイムに連携させた、駐車場管理システムのデモです。様々なエッジデバイスを簡単に接続できるゲートウェイに、カメラやゲート、誘導灯を接続し制御することで、車を最適な駐車スペースへ、安全に誘導します。
1:21
プリンタを例に、機器が自ら、故障を予測するデモです。 クラウドとの連携で予測精度を向上、かつセキュアに連携、機能の簡単なアドオンも可能です。
1:15
モーターの制御と機器の故障検知を1つのマイコンで実現するデモです。
AIユニットソリューションを適用する一連の処理をご説明するデモです。 AIユニットは複数の入出力を持っており、複数のセンサを組み合わせたセンシングや、トリガ信号による波形切り取りなど、AIに判定させるためのデータの加工(前処理)を容易にする機能を搭載しています。
1:10
e-AIによる、製造装置の予知保全に関するデモです。注目は、既存する製造装置へ後付け可能なAIユニットです。
1:09
e-AIで実現するヘルスケア向けソリューション、循環器疾病予兆リファレンス・キットのデモです。普段の生活の中で生体情報を取得し、取得したデータから健康状態を予兆、これらを「家」というプライベートな空間でリアルタイムに行います。
2:17
生体情報モニタモジュールのデモです。 最大1kHzで脈波と心電の同時測定を行い、データをBluetooth Low EnergyでPCに転送できます。下記動画では、測定の様子がご覧になれます。
1:51
様々なエッジデバイスをリアルタイムに連携させた、駐車場管理システムのデモです。様々なエッジデバイスを簡単に接続できるゲートウェイに、カメラやゲート、誘導灯を接続し制御することで、車を最適な駐車スペースへ、安全に誘導します。
1:21
プリンタを例に、機器が自ら、故障を予測するデモです。 クラウドとの連携で予測精度を向上、かつセキュアに連携、機能の簡単なアドオンも可能です。
1:15
モーターの制御と機器の故障検知を1つのマイコンで実現するデモです。
AIユニットソリューションを適用する一連の処理をご説明するデモです。 AIユニットは複数の入出力を持っており、複数のセンサを組み合わせたセンシングや、トリガ信号による波形切り取りなど、AIに判定させるためのデータの加工(前処理)を容易にする機能を搭載しています。
1:10
e-AIによる、製造装置の予知保全に関するデモです。注目は、既存する製造装置へ後付け可能なAIユニットです。
1:09
e-AIで実現するヘルスケア向けソリューション、循環器疾病予兆リファレンス・キットのデモです。普段の生活の中で生体情報を取得し、取得したデータから健康状態を予兆、これらを「家」というプライベートな空間でリアルタイムに行います。
2:17
生体情報モニタモジュールのデモです。 最大1kHzで脈波と心電の同時測定を行い、データをBluetooth Low EnergyでPCに転送できます。下記動画では、測定の様子がご覧になれます。
1:51
様々なエッジデバイスをリアルタイムに連携させた、駐車場管理システムのデモです。様々なエッジデバイスを簡単に接続できるゲートウェイに、カメラやゲート、誘導灯を接続し制御することで、車を最適な駐車スペースへ、安全に誘導します。
1:21
プリンタを例に、機器が自ら、故障を予測するデモです。 クラウドとの連携で予測精度を向上、かつセキュアに連携、機能の簡単なアドオンも可能です。