LEARNING FRAMEWORK in Japanese translation

• 学習フレームワーク
• 学習の枠組みを

Examples of using Learning framework in English and their translations into Japanese

Next, Lens uses TensorFlow- Google's open source machine learning framework- to connect the dog images you see above to the words“Shiba Inu” and“dog.”.
次に、レンズは、Googleのオープンソースの機械学習フレームワークであるTensorFlowを使って、上で見た犬の画像を「ShibaInu」と「dog」という言葉に結び付けます。

The Nine Gems™ learning framework assists in enhancing scores on an average by 10% to 15%, thereby achieving maximum learning outcomes in every student.
NineGems™学習フレームワークにより、試験での得点は平均して10～15%改善され、生徒全員が最大限の学習成績を達成することができます。

We combine both of these views in a supervised machine learning framework allowing us to detect both known and unknown threats in TLS communication.
監視された機械学習フレームワークの中でこれら両方の視点を組み合わることにより、TLS通信内の既知および未知の脅威を検出することが可能になります。

Supporting every major deep learning framework, AWS provides the most open and flexible environment for your data scientists and developers.
AWSでは、主要な深層学習フレームワークがサポートされていて、データサイエンティストや開発者に、最もオープンで柔軟な環境を提供しています。

Tokyo Japan- Preferred Networks, Inc.(“PFN”, Head Office: Tokyo, President& CEO: Toru Nishikawa) releases ChainerX, a C++ implementation of automatic differentiation of N-dimensional arrays for the Chainer™ v6 open source deep learning framework.
株式会社PreferredNetworks（本社：東京都千代田区、代表取締役社長：西川徹、プリファードネットワークス、以下、PFN）は、オープンソースの深層学習フレームワークChainer™（チェイナー）v6に、N次元配列の自動微分をC++で実装したChainerX（チェイナー・エックス）を統合してリリースします。

PFN will fully utilize the open-source deep learning framework Chainer(TM) on MN-2 to further accelerate research and development in fields that require a large amount of computing resources such as personal robots, transportation systems, manufacturing, bio/healthcare, sports, and creative industries.
PFNはこのMN-2の上でオープンソースの深層学習フレームワークChainer(TM)（チェイナー）を活用し、大量の計算資源を必要とするパーソナルロボット、交通システム、製造業、バイオ・ヘルスケア、スポーツ、クリエイティブ分野での研究開発をより一層加速させます。

Preferred Networks, Inc.(PFN, President and CEO: Toru Nishikawa) has released Chainer(TM) v5 and CuPy(TM) v5, major updates of PFN's open source deep learning framework and general-purpose array calculation library.
株式会社PreferredNetworks（本社：東京都千代田区、代表取締役社長：西川徹、プリファードネットワークス、以下、PFN）は、オープンソースの深層学習フレームワークChainer(TM)（チェイナー）および汎用配列計算ライブラリCuPy(TM)（クーパイ）のメジャーアップデート版となるv5をリリースしました。

The new functionality added to pixiv Sketch is realized using the technology of PaintsChainer that can automatically select painting colors, trained from pairs of line drawings and colored illustrations using Chainer, a deep learning framework developed and provided by PFN.
この度pixivSketchに追加する機能は、PFNが開発・提供する深層学習フレームワークChainerを使って線画および着色イラストを学習させたPaintsChainerの、塗る色を自動判断できる技術が使われています。

This newly developed technology was implemented in the Caffe deep learning framework, where, in a test measuring learning time using AlexNet on 64 GPU-equipped computers, it achieved a learning speed that is 27 times faster than a single GPU.
今回開発した技術を、DeepLearningフレームワーク「Caffe」に実装し、GPUをそれぞれ搭載した64台のコンピュータを使用した「AlexNet」における学習時間を計測したところGPUを1台だけ使用した場合に比べ27倍の速度を達成しました。

PowerAI is IBM's machine learning framework for companies that use servers based on its Power processors and NVIDIA's NVLink high-speed interconnects that allow for data to pass extremely quickly between the processor and the GPU that does most of the deep learning calculations.
PowerAIは、パワー・プロセッサーとNVIDIAのNVLink高速インターコネクトをベースとしたサーバーを使用する企業にとって、IBMの機械学習フレームワークであり、プロセッサーと深い学習計算の大半を担うGPU間でデータを非常に素早く通すことができる。

Using its"ReNom" machine learning/deep learning framework developed in-house, GRID provides core technologies required for solutions designed to monitor the operational status of machines and equipment in a wide-range of industries, including"Condition Based Maintenance" designed to systematically optimize maintenance costs, operational optimization, and predictive failure detection solutions.
自社開発した機械学習・深層学習フレームワーク"ReNom"を用いて、幅広い産業における機器設備の稼働状態を監視し、保全コストを計画的に最適化する状態基準保全(ConditionBasedMaintenance)、運転最適化、故障予兆検知などのソリューションに必要なコアテクノロジーを提供しています。

With over 250,000 individual users as of mid-2018, Keras has stronger adoption in both the industry and the research community than any other deep learning framework except TensorFlow itself(and the Keras API is the official frontend of TensorFlow, via the tf. keras module).
年中旬の時点で，Kerasは25万以上の個人ユーザーがおり，TensorFlow自体を除いて，他の深層学習フレームワークよりも事業と研究コミュニティの両方で多く採用されています（そしてKerasAPIはtf.kerasを経由することでTensorFlowの公式なフロントエンドとなっています）．。

It has also developed and provided"Chainer", an open source deep learning framework, driving innovations, and collaborating with various leading companies to promote the use of cutting-edge technologies in the real world. Through this capital investment, Hitachi and PFN combine the strengths that each company has cultivated, and begin studies of collaborative creation aimed at achieving further innovations.
また、オープンソースの深層学習フレームワークChainer(R)を開発・提供し、イノベーションを牽引するとともに、さまざまなリーディングカンパニーと協業し、実世界での先端技術の活用を推進しています。日立とPFNは、今回の出資を通じ、両社が培ってきた強みを融合し、さらなるイノベーションの実現に向けた協創の検討を開始します。

Furthermore, this is not just limited to machine learning frameworks.
さらに、これは機械学習フレームワークに限定されません。

There are two paradigms in deep learning frameworks: Define-and-Run and Define-by-Run. In the early days, Caffe and other Define-and-Run frameworks were dominant players.
深層学習フレームワークにはDefine-and-RunとDefine-by-Runという2つのパラダイムが存在します。

MMdnn is a set of tools to help users inter-operate among different deep learning frameworks.
MMdnn-MMdnnは、さまざまな深い学習フレームワーク間でユーザーが相互運用するのを支援する一連のツールです。

IBM Power Systems AC922 offers the fastest way to deploy accelerated databases and deep learning frameworks- with enterprise-class support.
IBMPowerSystemsのAC922は加速し、データベースと深い学習フレームワーク-とエンタープライズ・クラスのサポートを展開する最速の方法を提供しています。

Most deep learning frameworks require developers to define models and algorithms up-front using lengthy, complex code that is difficult to change.
大部分の深層学習フレームワークでは、長く複雑で変更しにくいコードを使用して事前にモデルとアルゴリズムを定義する必要があります。

Now developers can take advantage of a seamless interface with support for new neural network models, more machine learning frameworks and faster design cycles.
新しいニューラルネットワークモデル、より多くの機械学習フレームワーク、を使用、開発期間の短縮を実現することができるシームレスな開発環境を使い開発することができます。

For developers who are interested in pre-installed pip packages of deep learning frameworks in distinct virtual environments, the Conda-based AMI is applicable and available in Ubuntu, Amazon Linux and Windows 2016 versions.
深層学習フレームワークの事前インストールされたpipパッケージを別の仮想環境で必要とする開発者は、Ubuntu、AmazonLinux、Windows2016のバージョンでCondaベースのAMIを利用できます。