ディープラーニング∞本ノック作ったった - Qiita
でぃーぷらーにんぐのフレームワークを使う特訓用の問題集でもあって、チートシートでもあるものをつくってみました https://github.com/yoyoyo-yo/DeepLearningMugenKnock ディープラーニングの論文とかを理解するための特訓集です。自分の手で実装することを目標にしてます。 あくまで趣味ベースで作ったものなので、プルリクエストは受け付けてますが依頼などは一切受け付けません そこをご理解頂けた方のみご利用下さい ★追記 2019.11.7 Study-AI株式会社様 http://kentei.ai/ のAI実装検定のシラバスに使用していただくことになりました！(画像処理１００本ノックも） Study-AI株式会社様ではAIスキルを学ぶためのコンテンツを作成されており、AIを学ぶ上でとても参考になります！ 検定も実施されてるので、興味ある方はぜひ受けること
初めての深層学習ロードマップ [随時更新&文献追加 予定] - Qiita
はじめに 先日、SEの友人と機械学習について話していて、「どういう風に機械学習を勉強していけば良いのかイマイチわからん」と言っていました。時間があればCourseraを取ればいいのでしょうが、ある程度高等数学も勉強した身だと、冗長過ぎるきらいがあるようです (マイペースで勉強できないというのも大きい)。 私自身、広範囲の機械学習のトピックについては勉強不足なので、今回は深層学習を全く知らない方が、どのように勉強していけば良いのかについてまとめることにしました。1から10まで示すことはしていませんが、キーワードを提示することで大まかなガイドラインを示すことにしました。 深層学習と機械学習の違いについて 一般的に、機械学習はデータセットに対して個別にアルゴリズムを設定する必要があります。一方深層学習では、コンピュータ自身が（画像や音声から）自ら特徴量を取り出し、学習を行います。大雑把に言えば、
![初めての深層学習ロードマップ [随時更新&文献追加 予定] - Qiita](https://cdn-ak-scissors.b.st-hatena.com/image/square/9a7db9dfce1fb7d19184272c33e281ed4bb710ab/height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fcdn.qiita.com%252Fassets%252Fpublic%252Farticle-ogp-background-9f5428127621718a910c8b63951390ad.png%3Fixlib%3Drb-4.0.0%26w%3D1200%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-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%26mark-x%3D142%26mark-y%3D112%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTYxNiZ0eHQ9JTQwaGlyb3l1a2k4MjcmdHh0LWNvbG9yPSUyMzIxMjEyMSZ0eHQtZm9udD1IaXJhZ2lubyUyMFNhbnMlMjBXNiZ0eHQtc2l6ZT0zNiZ0eHQtYWxpZ249bGVmdCUyQ3RvcCZzPWI1YzU5NTlhMTI5ZWNiYTY1ZTY1OTcxOGJhM2EyODdj%26blend-x%3D142%26blend-y%3D491%26blend-mode%3Dnormal%26s%3Df30ef45ce16f474358a8b43b03e760e8)
【TensorBoard入門】TensorFlow処理を見える化して理解を深める - Qiita
TensorBoardでTensorFlowの理解を早める 文系卒でDeep LearningどころかPythonも初めてだと、TensorFlowを理解するのが遅くてなかなか苦しいです。少しでも理解を早めるためにもTensorBoardを学習しました。複雑なディープラーニングの理解促進はもちろん、デバッグや処理最適化・再設計などいろんなことに使えます。いろいろな見える化ができるのですが、当記事は入門者に向けたGraph出力方法に絞って解説します(もっと広く深くできればいいのですが、そこまで筆者の理解が追いついていません)。 公式ガイド「TensorBoard: Visualizing Learning」がわかりにくかったので、かなり簡素化しています。 TensorBoardで処理を可視化するのサイトが素晴らしく、かなり参考にさせて頂きました。 環境:python3.5 tensorflo
【Tensorflow】tensorboard が表示されない場合の対処とは
スポンサーリンク カテゴリ：Tensorboard Python バージョン：Python2.7 Tensorflowバージョン：Tnsorflow 1.0 OSバージョン：Ubuntu 16.04.2 ブラウザからtensorboard が表示されない場合の対処をまとめました。 原因と対処 ・tensorboardを実行していない。以下コマンドを実行する。 tensorboard --logdir=[ログのディレクトリ] ・ポートがバッティングしている。既に他のプロセスがポート番号 6006 を使用している。 この場合、以下のメッセージがコンソールに表示される。 ERROR:tensorflow:TensorBoard attempted to bind to port 6006, but it was already in use TensorBoard attempted to bi
TensorFlow : Tutorials : GPU を利用する – OpenAI API / Gemini API | ClassCat® Chatbot
TensorFlow : Tutorials : GPU を利用する （翻訳/解説） 翻訳 : (株)クラスキャット セールスインフォメーション 更新日時 : 09/15/2017 作成日時 : 02/12/2016 * 本ページは、TensorFlow 本家サイトの Tutorials – Using GPUs を翻訳した上で適宜、補足説明したものです： https://www.tensorflow.org/tutorials/using_gpu * (obsolete, リンク切れ) 本ページは、TensorFlow の本家サイトの How To – Using GPUs を翻訳した上で 適宜、補足説明したものです： https://www.tensorflow.org/versions/master/how_tos/using_gpu/index.html#using-gpus *
マルチGPU環境で、計算に使用するCUDAデバイスを選択する - Qiita
GPUが複数刺さった計算機でKeras（Tensorflow backend）を使おうとしたところ、 Tensorflowが全GPUのVRAMを全て確保しようとするために、他の計算が回らなくなって困った。 GPU1枚だけを専有するように指定する方法でハマったのでメモしておく。 ソリューション 環境変数のCUDA_VISIBLE_DEVICESで指定できる。 kerasやtensorflowをimportする前に宣言すること import os os.environ["CUDA_DEVICE_ORDER"] = "PCI_BUS_ID" os.environ["CUDA_VISIBLE_DEVICES"] = ""
TensorflowでGPUを制限・無効化する - Qiita
import tensorflow as tf import six # tf.Sessionを作ってキーボード入力待ちにするだけのコード tf.Session() six.moves.input() Fri Oct 28 15:21:14 2016 +-----------------------------------------------------------------------------+ | NVIDIA-SMI 367.44 Driver Version: 367.44 | |-------------------------------+----------------------+----------------------+ | GPU Name Persistence-M| Bus-Id Disp.A | Volatile Uncorr. ECC | | Fa
Python: Keras/TensorFlow の学習を GPU で高速化する (Ubuntu 16.04 LTS) - CUBE SUGAR CONTAINER
以前、このブログで Keras/TensorFlow の学習スピードを GPU を使って速くする記事を書いた。 ただし、このとき使った OS は Mac OS X (macOS Sierra) だった。 blog.amedama.jp とはいえ NVIDIA の dGPU を積んだ Mac がどれだけあるんだというと、正直なかなか無いと思う。 実際にやってみるとしたら Linux だよねということで、今回は Ubuntu 16.04 LTS を使う場合について書く。 インストールの手順については次の公式ドキュメントをベースに進める。 Installing TensorFlow on Ubuntu | TensorFlow 環境について 今回使った OS のバージョンなどは次の通り。 $ cat /etc/lsb-release DISTRIB_ID=Ubuntu DISTRIB_REL
誰でもできる深度推定 ~Depth Map Prediction in TensorFlow from beginning to end~ - Qiita
誰でもできる深度推定 ~Depth Map Prediction in TensorFlow from beginning to end~TensorFlow 誰でも出来る深度推定 ~Depth Map Prediction in TensorFlow from beginning to end~ これは、TensorFlow Advent Calendar 2016 19日目の記事です。関連記事は目次にまとめられています。 はじめに TensorFlowは汎用的な機械学習フレームワークですが、特にニューラルネットワークを記述するために便利なAPIをたくさん備えています。 今回はTensorFlowを使って、チュートリアルでは扱っていない構造の新しいネットワークを構築し、学習から推定までをやってみます。わかりやすいよう、解説とコードをセットで進めていきます。 テーマ 深度推定のネットワーク
TensorFlowで顔検出器を自作する - すぎゃーんメモ
19日に行われた Kyoto.なんか #3 で発表・デモをさせていただいた内容まとめです。 はじめに: 検出器の重要性 アイドル顔識別 をずっとやっている中で、顔の識別・分類(Classification)はCNNを使って出来ているけれど まだ上手く出来ていない別のタスクがあって。 それが画像内からの顔領域の検出 (Detection, Localization)。 「画像内に写っている人物が誰であるか」を識別するためには、まずはその画像に写っている「顔」を検出する必要がある。 その検出された顔それぞれについて分類器にかけて「この顔は○○さん」「この顔は××さん」と分類していくことになるわけで。 分類器に与える入力画像を切り抜いて抽出するのにもまず顔領域を検出する必要があるし、その分類器を学習させるためのデータセットも、様々な画像から顔領域を検出して切り抜いてそれぞれに対してラベル付けする
噂の「TensorFlowでキュウリの仕分けを行うマシン」がMFT2016に展示されていたので実物を見てきた - データの境界
個人的には最近聞いた話の中でひさびさにワクワクした話。 「医療」「教育」「農業」のようなIT未開の分野に黙々と取り組んでいる人達はヒーローに見える Google Cloud Platform Japan 公式ブログ: キュウリ農家とディープラーニングをつなぐ TensorFlow 約三行要約 エンジニア職だった方が実家のキュウリ農場でtensorflowを使った自動の「キュウリの品質仕分け機」を自作している 家族（仕分け担当はお母さん）が9段階に仕分けしたキュウリを撮影し学習用画像データ（80×80px）としている。画像7000枚分。 収穫のピーク時には一日 8 時間ずっと仕分け作業に追われる。それを自動化したい。 Web カメラによる画像撮影は Raspberry Pi 3 で制御し、そこで TensorFlow による小規模なニューラルネットによってキュウリのあり・なしを判断 学習と計
特にプログラマーでもデータサイエンティストでも�ないけど、Tensorflowを1ヶ月触ったので超分かりやすく解説 - Qiita
特にプログラマーでもデータサイエンティストでも�ないけど、Tensorflowを1ヶ月触ったので超分かりやすく解説Python機械学習DeepLearningTensorFlow これ書くだけで土日２日間まるまる潰れてしまった。 学んだ内容に沿っているので、順に読み進めるに従ってコードの話になっていきます。 Tensorflow触ってみたい/みたけど、いろいろまだ理解できてない！という方向けに書きました。 ※2018年10月4日追記 大分古い記事なのでリンク切れや公式ドキュメントが大分変更されている可能性が高いです。 この記事のTensorflowは ver0.4~0.7くらいだった気がするので ver2.0~となりそうな現在は文章の大半が何を参考にしているのか分からないかもしれません。 1: Deep Learningってそもそも何してるの? 専門の人からはご指摘入りそうですが、要は回帰
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
TensorBoardの使い方
MacでTensorFlowのインストールとチュートリアル – SOAR CODE
GPU動作確認をTensorFlowで行う方法！サンプルチュートリアルも | ピジョン Blog