http://www.mathgram.xyz/entry/chainer/bake/part3
DenoisingAutoEncoderでアニメ顔の特徴を抽出してみた - のんびりしているエンジニアの日記
皆さんこんにちは お元気ですか。私は人生元気に仲良くフリーダムに生きています。 本日はDenoisingAutoEncoder（DAE）を使って実験してみたいと思います。 DeepLearningの重みは可視化できます。他のブログで掲載されている 可視化について殆ど、MNISTだったので、今回試しに、 アニメ顔の特徴を抽出してみました。 データセット 今回の実験ではanimeface-character-datasetを使います。 Tile化して表示させるのが面倒だったので、Finderのスクリーンショットで お許し下さい。 ※7/13追記：animeface-character-datasetはanimeface-character-datasetから手に入ります。 ソースコード Chainerを使って記載しました。大部分のDAEのコードは Implementation of stack
chainerの使い方 - AI-Programming
DeepLearningフレームワークchainerのニューラルネットワークプログラムの書き方を解説します！ 2016/10/27 更新 (chainer version 1.17.0) 基本ライブラリのインポート import numpy as np import chainer import chainer.functions as F import chainer.links as L from chainer import training from chainer.training import extensions 【重要】データについて 配列は、numpyもしくはcupyの配列となっていること。 X（入力データ）のデータ型はfloat32にしておくこと。 分類の場合：y（正解・教師データ）のデータ型はint32。 回帰の場合：y（正解・教師データ）のデータ型はfloat32。
chainer（v1.14.0）で画像分類をはじめるための覚書 - umi no mono tomo
2016/09/04 環境：Ubuntu14.04(LTS), Chainer(v1.14.0), CUDA(7.5), python2.7 先人達の記事に従いchainerで画像分類を始める際、バージョンの違いによって変更が必要な点があったため記述する。 基本的な手順は、① d.hatena.ne.jp に従い、適宜② hi-king.hatenablog.com を参考にした。 ①の著者が作成したコードをgit cloneする。 $ cd ~/work $ git clone https://github.com/shi3z/chainer_imagenet_tools.git $ cd chainer_imagenet_tools 次にCaltech 101の画像データをダウンロードする。 101種類のカテゴリにつき、およそ300 x 200pxの画像データが40〜800枚収められて
Chainerによる多層パーセプトロンの実装 - 人工知能に関する断創録
これまでDeep LearningのアルゴリズムをTheanoで実装してきた（2015/4/29）けれど、ここらで巷で大人気のライブラリChainerにも手を出してみた。Theanoの勉強を始めたあとすぐにChainerが公開された（2015/6/9）がユーザや情報が増えるまで待っていた感じ（笑）最近はコードや実験結果などを公開してくれる人が増えてきたので非常に参考になっている。目についたものはてぶに登録しているので、興味を持った手法はがしがし勉強して追試していきたい。 Chainerのバージョンは1.3.2をベースにしている。1.3からPyCUDA/scikit-cudaを独自ライブラリのCuPyに置き換えたとのことで、以前のコードは少し修正しないと動かないようだ。その分、1.3からはインストールがシンプルになっていてとてもうれしい。1.1のころは、Chainerと直接関係ないPyCUD
Deep Learning のフレームワーク Chainer を使った画像分類 その2
入力データの構造 six パッケージ 前回、Deep Learning のフレームワーク Chainer を使った画像分類その1にてインストールしたパッケージ、sixとは何だったのか。train_mnist.py 内にてファイル mnist.pkl の読み込みに使われていたので調査。結論としては six は Python 2 と Python 3 の違いを吸収するユーティリティ。恐らく 2 と 3 を乗算して six (推測)。 データフォーマット ファイル mnist.pkl は下記のように読み込まれている(train_mnist.py 30行目)。 mnist = six.moves.cPickle.load(mnist_pickle) PickleはPythonオブジェクトのシリアライズを行うモジュールで、cPickleはC言語でそれが実装された高速版。 なお、MNISTとはアメリカ
Chainerを使って写真を新海誠さん風イラストに画風変換する - Into the Horizon
この記事はChainer Advent Calendar 2016の14日目の記事になります。 概要 こちらのツイートの研究について、詳しくお話します。 新海誠さんの世界観が大好きなのですが、撮影した写真を新海誠さん風のイラストに自動変換できたら面白いなと思い、システムを試作してみました。 上の写真を変換したのが下のイラストです。クオリティはまだまだですが、上手く使えば使えそう（自動変換後、若干の手動補正を行っています） pic.twitter.com/qY07hmzvHF— null (@NrNrNr7) 2016年9月22日 @NrNrNr7 比較用に映画のシーン。全体の色合いはかなり似せることができているのですが、使っているアルゴリズムの弱点で部分的におかしな色になってしまうのが課題です。 （画像はそれぞれ言の葉の庭、秒速5センチメートル、君の名は。より引用） pic.twitter
iandprogram.net - このウェブサイトは販売用です！ - iandprogram リソースおよび情報
This webpage was generated by the domain owner using Sedo Domain Parking. Disclaimer: Sedo maintains no relationship with third party advertisers. Reference to any specific service or trade mark is not controlled by Sedo nor does it constitute or imply its association, endorsement or recommendation.
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
長文日記