TensorFlow 2.0でTPUを利用する
こんにちは、GMOアドマーケティングのS.Rです。 TPUとはディープラーニングを高速化するために、Googleが開発したプロセッサーです。TPUの利用により、ディープラーニングのモデルのトレーニング時間を20倍以上改良する事が可能です。 TensorFlow 1.xでTPUを利用するAPIを提供していますが、TensorFlow 2.0ではこのAPIの利用方法が変更されました。 今回はTensorFlow 2.0でTPUを利用する方法を皆さんへご紹介します。 利用する環境 Googleが無料で提供している機械学習目的の研究用ツール【Colab】を利用します。 1 Colabのインスタンスを作る Colabを利用するために必要な最初のStepは、Colabのファイルを作る事です。 Google Driveの管理画面へ遷移し、新しいColabのファイルを作ります。 2 TPUを設定する 作成
TensorFlowで文字列から音声に変換するモデルを試す - Qiita
やりたいこと・方針 TensorFlowを使って日本語文字データ→音声データへの変換を学習させたい。 1.教師データのサンプルを作成する 2.生成された学習データの特性を確認、加工する 3.文字データ→音声データへの変換を学習させる 4.学習結果を使用して文字データ→音声データ変換を試す 5.少ない教師データ数、短い学習時間で効率的に学習させる方法を考える やっていることは、音声読み上げソフトと同じことです。 音声加工の知識を全く持たない自分でも、機械学習に頼れば似たような仕組みを真似できるのか？という興味から始まっています。 学習データに関しては、音声加工についての知識などもっておりませんので、機械学習のゴリ押しでなんとかする方針です。 音韻長など処理済みのデータを教師にしたほうが間違いなく高効率ですが、そういった処理済みのデータを大量に用意する方法も思いつかないですし、1データずつ人間
Kerasを利用した簡単ディープラーニング
ディープラーニングが注目されている昨今です 私もディープラーニングがしたい！ということで簡単にできないかなぁと色々試したところKerasが簡単に作ることができました(つよい) 手始めにKerasの環境をインストールする方法につい... この記事ではkerasを使って簡単な学習プログラムを作り、グラフ表示やモデルの可視化方法についてまとめたものを記載します 実装したプログラムの概要今回作成したプログラムは3個のデータを入力とし、学習を経て最後に4つ出力を行うプログラムです(合計値なら深層学習しなくても良いですが練習なので) 入力には、[0, 1, 0]や[1, 0 ,0]といったデータを入力としています この３つを合計を出力としています(つまり3つの入力であるため、出力パターン(合計のパターン)は ‘0’ ‘1’ ‘2’ ‘3’となるため、出力を4パターンとしている) 出力について少し深掘り
コインをバラまいた画像から合計金額を推定するＡＩ - Qiita
世間では、お正月が来たようです。 そこで、初詣に行ったついでに、賽銭箱の底をのぞいてみましょう！ これいくら？ こんな画像をパッと見て総額がわかれば、なにかと嬉しいのではないかと。大体でもいいので。 （たとえば神社さんの確定申告システムに直結するとか・・。） まぁ応用はさておき、いまどきの時代なので、ＡＩに金額を数えさせてみましょう！ しかし、コインが重なりあったりしてると難航しそうな予感。 というわけで、最初は 条件を単純化します。 このように、コインどうしが重なってないなら、ちょっとハードル下げられるかな？ しかし日本の硬貨6種類（1円5円10円50円100円500円）全部を対象にしてやってみると、手元の環境の環境ではちょっとキビシいみたい。（モデルにもよるでしょうが・・） あ、手元の環境というのは、Google Colaboratory (略称:colab) のGPU版です。 （手元
自前のデータでKerasで画像分類を写経してみる（１） | WordPressでフリーオリジナルフォント
他人のデータのMNISTとかばっかりやっても全く面白くない！ 自分で集めたデータで機械学習したい！ 貴重な説明が以下にあったので、写経してみる！ Kerasによる、ものすごくシンプルな画像分類（りんごとオレンジ） hiroeorz@github 2017年02月15日に更新 http://qiita.com/hiroeorz@github/items/ecb39ed4042ebdc0a957 Google検索でりんごとオレンジの画像をそれぞれ25枚ずつゲット（ダウンロード）してくれば、私にもできました！ （環境） Windows 8.1 Anaconda 4.4.0 Python 3.6.1 Tensorflow 1.2.1 Keras 2.0.6 （１）C:/python/ フォルダ下に、以下のフォルダを作成 data/train/apple ←りんご画像20個をダウンロード /tr
Deep LearningをKerasで可視化したい - GMOインターネットグループ グループ研究開発本部
こんにちは。次世代システム研究室のJK (男)です。 突然ですが書籍の「ゼロから作るDeep Learning」読みましたか？基礎からクリアに説明されていて、個人的にはとても面白かったです。これまでLSTM, 強化学習の記事を書いてきましたが、今回はこの本にならってDeep Learningの基礎の「ちょい深」理解を目指し、Deep Learningの可視化に焦点をあてたいと思います。 ちなみに今回の内容のcodeは、ここに上げておきました。 0. 可視化のモチベーション 最近のDeep Learningのフレームワークは充実していて、簡単に動かせるようになりましたね。でも動かせたけど理解した気がしない、って人も多いのではないでしょうか？その理由の一つが、Deep Learningがブラックボックス化していることだと思います。簡単に動かせることの副作用だと思いますが、インプットデータと教師
KerasでMNISTの手書き画像を３つの方法で表示してみる - 人工知能と競プロやってくブログ
はてなブログ最初のエントリーなんで、お試しがてら書いてみます。 MNISTといえば「深層学習業界のHelloWorld!」と言われる定番データセット。 とりあえずKerasを入れたらexamplesに入ってるmnist_cnn.pyとかを、みんな動かしてみてると思います。 かくいう私も学習は回してましたが 「そういえば、学習は回しても中身を表示したことないな？」 と思い、どうやるか調べて試してみました。 PILを使ったMNIST手書き画像の簡単表示 下記のコードを実行するとMNISTの手書き画像が4枚表示されます。 これがMACで実行してみた画像。 けっこう簡単に表示はできんのね。 import keras from keras.datasets import mnist import numpy as np from PIL import Image # 文字画像表示 def img_s
【Day-18】時系列のディープラーニング、RNNのまとめとKeras実装 - プロクラシスト
データ分析ガチ勉強アドベントカレンダー 18日目。 Kerasの使い方を復習したところで、今回は時系列データを取り扱ってみようと思います。 時系列を取り扱うのにもディープラーニングは用いられていて、RNN(Recurrent Neural Net)が主流。 今回は、RNNについて書いた後、Kerasで実際にRNNを実装してみます。 今日の参考書はこの本！ 詳解 ディープラーニング ~TensorFlow・Kerasによる時系列データ処理~ 作者:巣籠 悠輔発売日: 2017/05/30メディア: 単行本（ソフトカバー） RNNとは 通常のNeural Networkとの違い 誤差逆伝播法のアルゴリズム 勾配消失の工夫 : LSTMやGRU LSTM GRU 自然言語をにぎわすAttention Model Keras実装 データの変形、入力 学習モデル構築 学習と予測 結果 まとめ RNN
Twitterから画像を集めてKerasで軽く分類してディープラーニングの学習データにする流れ - Qiita
努力と根性 背景 GANやVAEなどの生成モデルを使ってヌードグラビアを生成するということをやってます（最近ちょっとサボり気味、PUBG楽しい）。ここでは学習データをどうやって収集しているのかを紹介していきます。 主に使用するツール・言語 : python, bash, xargs, twphotos, keras 何をするのか 目標として以下の条件の画像を集めます。 縦構図 規定値以上のサイズ カラー（グラビアにはモノクロ化、単色化されたものがあるがそれは除外する） 頭から腰までは最低限写っていて正立に近い構図（頭が下、腰が上などの構図を除外する） 「オッオッオッ」ってグッと来るもの おおまかな流れ 前準備 Twitterでリストを作成する Twitterリストに欲しい画像をたくさんアップロードしているアカウントを収集する プログラム APIを使ってTwitterリストのメンバー名を収集
生TensorFlow七転八倒記(5)：ようやくCNNまでたどり着いた - 渋谷駅前で働くデータサイエンティストのブログ
前回の記事でようやくDeepっぽいところまで来たので、そのままさっさとDeepらしさの象徴でもあるCNN (Convolutional Neural Network)にいってしまおうと思います。ちなみに今回も大して参照していませんが、参考文献として深層学習青本を掲げておきます。 深層学習 (機械学習プロフェッショナルシリーズ) 作者: 岡谷貴之出版社/メーカー: 講談社発売日: 2015/04/08メディア: 単行本（ソフトカバー）この商品を含むブログ (13件) を見る それでは、いよいよCNNをやってみましょう。 生TensorFlowでLeNetを回してみる ようやくCNNをやってみるわけですが、実はTensorFlow公式に立派なチュートリアルがあります(Deep MNIST for Experts | TensorFlow)。というか、MNIST + CNNというところまで来
機械学習入門者がKerasでマルチレイヤーパーセプトロンのサンプルを読む
こんにちは。 GMOアドマーケティング、機械学習入門者のT.Mです。 はじめに ゼロから作るDeep Learningを読み終え、 実際に何か作るにあたって何をしたらよいか調べていたところ ニューラルネットワークのライブラリであるKerasを知り触ってみました。 いきなりKerasのサンプルソースを見てもさっぱり分からなかったので、 ゼロから作るDeep Learningで学習した内容とKerasドキュメントを参照しながら 見ていきたいと思います。 Kerasについて Kerasについては公式ドキュメントを参照ください。 TensorFlow上で動く、ニューラルネットワークをより簡単に書けるようにした ライブラリという認識です。 サンプルソース Keras公式のサンプルソースから、 ゼロから作るDeep Learningでも5章までガッツリと書かれていたMLP(マルチレイヤーパーセプトロン
Kerasを使って問い合わせ・依頼先を教えてくれるbotを作った話 - Pepabo Tech Portal
おはようございますこんにちは、こんばんは、初めましての人は初めまして、GMOペパボの情報システムグループでエンジニアをしている西畑です。 今回は私が作成したbotについての話をしたいと思います。どのようなbotかというと、ペパボ内での制度や日々の困り事があった時にどの部署に問い合わせるのがよいのかを推薦してくれるbotです。 ここでの困り事とは、技術的に分からない事やお客様への対応方法がわからないというような業務のスキルに関するものではなく、例えば使っているPCが壊れた、経費精算の仕方がわからないといった業務上必要になる雑務的なものを処理する上での困りごとを指します。 社会人の方であれば、経費精算や備品のトラブルで何処かに対応を依頼するという経験をしているのではないでしょうか。学生でも似たようなケースはありそうですね。 そういった、いわゆる組織内の取り決めやフローについて疑問を抱いていたと
ディープラーニング実践入門 〜 Kerasライブラリで画像認識をはじめよう！ - エンジニアHub｜若手Webエンジニアのキャリアを考える！
ディープラーニング実践入門 ～ Kerasライブラリで画像認識をはじめよう！ ディープラーニング（深層学習）に興味あるけど「なかなか時間がなくて」という方のために、コードを動かしながら、さくっと試して感触をつかんでもらえるように、解説します。 はじめまして。宮本優一と申します。 最近なにかと話題の多いディープラーニング（深層学習、deep learning）。エンジニアHubの読者の方でも、興味ある人は多いのではないでしょうか。 しかし、ディープラーニングについて周りのエンジニアに聞いてみると、 「なんか難しそう」 「なかなか時間がなくて、どこから始めれば良いかも分からない」 「一回試してみたんだけど、初心者向けチュートリアル（MNISTなど）を動かして挫折しちゃったんだよね」 という声が聞こえてきます。 そこで！ この記事では、そうした方を対象に、ディープラーニングをさくっと試して感触を
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
pythonを使った株価の自動収集 - Qiita