KerasでTensorboardを使用する際のTips - Qiita
対象読者 Tensorboardを使っている人 おまけ Kerasに関する書籍を翻訳しました。画像識別、画像生成、自然言語処理、時系列予測、強化学習まで幅広くカバーしています。 直感 Deep Learning ―Python×Kerasでアイデアを形にするレシピ Tensorboardとは モデルの値を確認する可視化ツールであり、日々確認できる項目が増えています。 これを使いこなせると機械学習エンジニアの仕事がスムーズになると思います。 この記事で紹介するTensorboardの機能 SCALARS： ロスや精度などの学習中の挙動を確認するために使用 IMAGES：各層の重みやバイアスの遷移が確認できる GRAPHS：モデルの構成を確認するために使用 DISTRIBUTIONS：各層の値の分布 HISTOGRAMS：各層の重みのヒストグラム PROJECTOR：識別などで潜在空間が適切に
Deepに理解する深層学習による物体検出 by Keras - Qiita
誰向け 深層学習をすでに理解して画像の分類から物体検出への仕組みをマスターしたい方へ 数式が多いのでコード確認したい方は下記へGo 具体的な実装例 おまけ Kerasに関する書籍を翻訳しました。画像識別、画像生成、自然言語処理、時系列予測、強化学習まで幅広くカバーしています。 直感 Deep Learning ―Python×Kerasでアイデアを形にするレシピ 目的 物体検出に関しての技術を体系的にまとめてコードベースまで理解したかったので書きました。 良書である画像認識の物体認識の章を参考にこの記事を作成しています。 画像認識 全体像 大きく分けて3つのフェーズに分かれます。 1: 物体領域候補の抽出 画像中から物体の領域候補を抽出する手法になります。精度と速度を左右する部分になります。図のように小ウインドウ(バウンディングボックス)を用意して一定の画素数ずらしながら領域候補を抽出する
TypeScript入門 - Qiita
著者のバックグラウンド 他の言語経験者でJavascriptは知っている程度です 業務で使う言語： Python API程度なら作ったことある： Go 学生時代： C, Perl 触ったことある： C++, JavaScript 書籍 下記の書籍でどの程度まで理解できるか試してみました。 速習TypeScript https://www.amazon.co.jp/dp/B0733113NK TypeScriptの利点 開発環境が豊富 JavaScriptのスーパーセット Google, Microsoftで標準採用 ECMAScript2016に対応 環境構築について 簡易的な手法 下記の環境でブラウザ上で動作させることができます。 https://www.typescriptlang.org/play/ コマンドラインでの環境構築 コマンドラインで実行できると実際の開発の場面で役に立つの
PyCon 2016で発表したChat Botをコードベースから解説(Chainerを利用した雑談応答編） - Qiita
WHY 深層学習について興味がある方が多いと思うので対話における深層学習の実装について記述します。 雑談応答がChainerを使用しているため、その部分にフォーカスして説明します。ただしバージョンが古いので注意が必要です。 動作確認しているバージョンは1.5.1です 間違いがある部分があるかもしれません。深く理解したい部分があったので一部Chainerのコードを追っています。間違いがあれば大変お手数ですがご指摘いただけると幸いです。 PyCon 2016で発表した内容はどちらかというとコンセプトや概要ベースを伝えて頂けなので実際に実装しているコードの説明がないので、自身の振り返りという意味でもあった方が良い そこでコードの説明を加えることでもっと理解して使ってもらえる人が増えて欲しいと思い、この記事を書きました。(できればgithubのスターが増えると嬉しい) Docker Hub git
機械学習のルールとベストプラクティス（Rules of Machine Learning: Best Practices for ML Engineering の意訳） - Qiita
機械学習のルールとベストプラクティス（Rules of Machine Learning: Best Practices for ML Engineering の意訳）機械学習 WHY 1：自分の勉強のためです。 2：機械学習に興味があるけど英語ができない人でも大まかな内容が理解できれば良いな 機械学習は近年話題になっている技術ですが具体的な運用のための指針はあまり明確になっていないのが現状です。企業の担当者が知恵を振り絞って工夫されていると思います。 今回、参考にした資料はGoogleの中の人が書いているので参考にできるはずです。 機械学習の適用で悩めるエンジニアの指針になれば良いと思います。 ただし参考資料の方が詳しいので英語ができる方は元の参考資料を読まれる ことを強くオススメします。 誤訳がある可能性があります。（できれば指摘していただけるとありがたいです） 43個のルールがありま
”ゼロから作る Deep Learning”のための環境構築をdockerとVagrantで実現 - Qiita
WHY この記事を書こうと思った理由ですが下記の書籍を年末年始にやって勉強になったのですがPythonに慣れていないと詰まる部分もあり、環境構築に精神コストを削られてこの書籍を完了できない人が出てくるかなと思ったからです。 ゼロから作るDeep Learning ――Pythonで学ぶディープラーニングの理論と実装 WHAT 詰まると思った部分は図の可視化です。図の可視化にはmatplotlibを使用するのですが環境構築の際に罠があり、それにはまると解消するのに時間的なコストがかかるケースがあります。 そこで誰でも同じ環境を構築できるDockerの出番です。私はVagrantにdocker用の環境を構築してdockerを使用しているので完全に手元のパソコンとは独立した環境を実現しています。 これを実現するのに使用した技術は下記です。 Vagrant ansible docker ipyth
Go言語のWEBフレームワークRevelを使用してセキュアなAPIを作成 - Qiita
WHY 機械学習のモデルはできたけど、サービスインするには何らかの形でweb側から動作できる形にする必要があります。 Railsだと重すぎるし、Go言語使いたい。 そのようなモチベーションから私はGo言語でAPIを作成しました。 Go言語のWEBフレームワークは多々ありますが、今回紹介する記事はrevelを用いています。 コンテナとコードを公開しているのですぐに動作を確認することが可能にしています。 Docker: https://hub.docker.com/r/masayaresearch/go_api/ github: https://github.com/SnowMasaya/go_revel_jwt_mysql revelを採用した理由は下記です。 testのための機能が揃っている deployも簡単 必要なサンプルがある WHAT 何をすることを想定しているか - 簡単な認証
VPN設定をしたセキュアなインスタンスをterraform, Ansible, Dockerで構築 - Qiita
AWSの運用者は上記のような構成を作成してくれと頼まれることが多いのではないでしょうか？ 特にDatabaseのインスタンスはprivateなSubnetで管理してセキュアな環境でアクセス管理をしたい人も多いはず。 今回はterraformを用いてインスタンスの自動設定から、VPNの設定、AnsibleによるVPN設定用のコンテナの作成からVPNを用いた接続まで行ってみます。 ちなみに著者はAWSのインフラ周りが専門ではありません。 対象読者 インフラ担当者 アプリ担当だけどリソースの関係でインフラもしないといけない人 この記事を読んで得られること プライベートな環境とパブリックな環境に分けてインスタンスを分けて作成する方法 Dockerコンテナを用いてVPNを用いる方法 terraformでAWSインスタンスを自動生成する方法。 カジュアルに研究開発の環境を作成したい人 作成手順 参考サ
Go言語で作るJson Web Tokenを用いたセキュアなAPIをインフラ構築自動化技術を用いて(Docker, Terraform, Ansible)構築 - Qiita
Go言語で作るJson Web Tokenを用いたセキュアなAPIをインフラ構築自動化技術を用いて(Docker, Terraform, Ansible)構築GoCircleCIDockerAnsibleTerraform 初めに 著者はGo言語、インフラ構築自動化技術に関する知識はあまりないので、知識のある上級者は適切なアドバイスなり、間違いの指摘をして頂けると幸です。 このようなシチュエーションを想定しています。 ある日、上司からこんな無茶ぶりが・・・ 「君、優秀なんだね。Go言語が良いみたいだからGo言語でセキュアなAPIを軽く作っておいてよ。ついでにインフラ構築自動化も流行ってるから、導入して実行環境の構築も自動化しといて」 という無茶ぶりされたときにあなたはこのようなまなざしを上司に向けるでしょう。 安心して下さい。そんなあなたのためにこの記事を書きました。笑 冗談はさておき、本
Chainerで学習した対話用のボットをSlackで使用+Twitterから学習データを取得してファインチューニング - Qiita
ChainerでSlack用のbot作成！！ 注意：chainer 1.5.1以降のバージョンで動作を試みるとSegmentation faultのバグが出ます で1.5.1をインストールしてください。 突然ですが、あなたはこんな衝動にかられたことはないでしょうか？ Slack上で面白い返事やつぶやきをしてくれるbotやいろんな質問に答えてくれるボットがいれば、会話が盛り上がるし、聞きづらい質問にも答えてくれるのに・・・ 私も思ったことがあります。そこで実装してみました。 最終的にこんな感じの応答を返してくれるようになります。 対象読者 １：中身は分らなくも良いから賢くなるbotを作ってみたい！！ やるべきアクション：下記リポジトリをgit cloneして環境構築して、実行して下さい！！ ２：中身も知って賢くなるbotを作ってみたい！！ やるべきアクション：この記事を読んで仕組みを理解して
PyBrainを用いて強化学習をしてみた - Qiita
Pybrainはニューラルネットワークの仕組みが実装されているPythonのライブラリです。 今回はチュートリアルに乗っている強化学習（Reinforcement Learning）をやったので備忘録の意味も込めて記述しておきます。 強化学習とは試行錯誤を通じて環境に適応する学習制御の枠組です。 例えば 新米セールスマンをエージェントとして、環境をお客さんとします。 その再に新米セールスマンがセールスする行動をアクション セールスに対するお客様の反応を状態観測 それに対する”お客様の購買意欲が上がったか”を報酬とします。 新米セールスマンはセールスの経験がないので報酬つまり”お客様の購買意欲が上がったか”が正確なものか把握できません。 またセールスに対するお客様の反応も新米セールスマンは正確に把握することはできません。 このような不確実性の高く、教師データもないような状況で使われる強化学習
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
