BudouX: 読みやすい改行のための軽量な分かち書き器
.app 1 .dev 1 #11WeeksOfAndroid 13 #11WeeksOfAndroid Android TV 1 #Android11 3 #DevFest16 1 #DevFest17 1 #DevFest18 1 #DevFest19 1 #DevFest20 1 #DevFest21 1 #DevFest22 1 #DevFest23 1 #hack4jp 3 11 weeks of Android 2 A MESSAGE FROM OUR CEO 1 A/B Testing 1 A4A 4 Accelerator 6 Accessibility 1 accuracy 1 Actions on Google 16 Activation Atlas 1 address validation API 1 Addy Osmani 1 ADK 2 AdMob 32 Ads
CompilerGymを試してみた
CompilerGymとは CompilerGym is a toolkit for exposing compiler optimization problems for reinforcement learning. It allows machine learning researchers to experiment with program optimization techniques without requiring any experience in compilers, and provides a framework for compiler developers to expose new optimization problems for AI. GitHub CompilerGymとは、コンパイラ最適化を強化学習の問題として扱うためのツールです。 コンパイラにつ
CGへの扉 Vol.17：描画を進化させるTensorFlow Graphicsの真価 | モリカトロンAIラボ
そもそも画像認識の元となる学習データは正しいのか？先日オンラインで開催された「画像の認識・理解シンポジウム MIRU2020」で発表されたセッション「大規模画像データセットが含む“疑わしい画像”の専門家のワークショップを通した収集と分析」が大変話題になりました。 MIRU 2020 プログラム一覧 これは人工知能を活用した画像解析の学習データとして一般的に使われている ImageNet という巨大データセットの正確性を疑うものです。近年「Are we done with ImageNet?」という2020年の論文から ImageNet の正確性への疑問が注目されました。 論文「Are we done with ImageNet?」は 、2009年頃から画像認識の大規模データセットとして使われてきた ImageNet の正確性、評価に疑いをもって調べ、またその正当性をあげるための提言を述べた
低レイヤーな人のためのディープラーニング
フレームワークに頼らずVulkanで畳み込みニューラルネットワークを実装する方法を解説します これは2019年7月20日に行われた 第15回 カーネル／VM探検隊 での発表資料です サンプルコード: https://github.com/Fadis/kernelvm_20190720_samples
PyTorch-ROCm on AMD Radeon GPU | GPUEATER Developers
IntroductionPyTorchがROCm2.1にて対応！AMD Radeon GPU上で動かすためのインストールガイド。 InstallationAMDGPUドライバ 2.1にてPyTorch1.x.xに対応公式にてPyTorchが正式に対応されたと発表がされました。 https://rocm.github.io/dl.html Deep Learning on ROCmTensorFlow: TensorFlow for ROCm – latest supported version 1.13 MIOpen: Open-source deep learning library for AMD GPUs – latest supported version 1.7.1 PyTorch: PyTorch for ROCm – latest supported version 1.0
画像から描き方を生成する強化学習システムSPIRALの追実装 - Dwango Media Village(ドワンゴメディアヴィレッジ,dmv)
DeepMindから発表された画像から描き方を生成する強化学習システム「SPIRAL」[1]をChainerRLを用いて実装した． 実装はGitHubレポジトリで公開している． SPIRALとは SPIRALは絵の画像から描き方を生成するためのシステムである． 画像生成といえばDeep Convolutional Generative Adversarial Network(DCGAN [2])が主な手法だが，DCGANはラスター画像を生成するのに対して，SPIRALは時系列の描画行動，つまりベクター形式で画像を生成することができる． ベクター形式の画像はラスター形式とは異なり特定の線を取り除くといった編集を簡単に行うことができる． ベクター画像を生成するモデルとしてはSketch-rnn [3]があるが，このモデルは学習に描画過程，つまりベクター形式のデータが大量に必要になる． これらに
深層学習を実運用システムに組み込むということ / To incorporate deep learning into actual operation system
Data Driven Developer Meetup #5 (2019.3.7) の発表資料です スライド中のリンクを参照したい場合はPDFをダウンロードすると便利です。
ニューラルネットワークが「何を見ているか」を可視化する Activation Atlas
.app 1 .dev 1 #11WeeksOfAndroid 13 #11WeeksOfAndroid Android TV 1 #Android11 3 #DevFest16 1 #DevFest17 1 #DevFest18 1 #DevFest19 1 #DevFest20 1 #DevFest21 1 #DevFest22 1 #hack4jp 3 11 weeks of Android 2 A MESSAGE FROM OUR CEO 1 A/B Testing 1 A4A 4 Accelerator 6 Accessibility 1 accuracy 1 Actions on Google 16 Activation Atlas 1 address validation API 1 Addy Osmani 1 ADK 2 AdMob 32 Ads 71 Ads API 11
Python: Adversarial Validation について - CUBE SUGAR CONTAINER
最近、Kaggle などのデータ分析コンペで使われることの多い Adversarial Validation という手法について調べたり考えていたので書いてみる。 もくじ もくじ 背景 Adversarial Validation 試してみる 下準備 二つのデータが同じ分布に由来するとき 二つのデータが異なる分布に由来するとき 異なる分布でそのまま分類してみる 検証用データに似ているものを取り出す 取り出したデータを使って学習してみる ラベルごとに似ているデータを取り出す どれだけ取り出して学習させれば良いのか Adversarial Validation の応用例 背景 Adversarial Validation という手法は、データ分析コンペに存在する、ある課題を解決するために考案された。 その課題とは、提供される複数のデータセットの分布が異なる場合に、いかにして正しく予測するかとい
機械学習システムにおける「技術的負債」とその回避策 - Qiita
はじめに 空前のAIブームだった2017年、Yahooニュースでは毎日のように『〇〇が△△のAIを開発』のような見出しが目立ちました。2018年は『AIの運用』の時代になるとも言われています。 しかし、AI（機械学習）を載せたシステムの開発・テスト・運用の方法は2018年4月現在、まだ確立されていない分野です。 今回は、技術的負債という観点から、機械学習システム特有の課題点とその回避策のヒントまとめたGoogleの論文 Machine Learning: The High Interest Credit Card of Technical Debt (2014) を翻訳します。Google翻訳+軽い手作業ですのでご留意を。 ちなみにタイトル『機械学習：技術的負債の高金利クレジットカード』の意味は、機械学習システムがまるで高金利のクレジットカードのように、気づかないうちに技術的負債を蓄積して
AIによるアニメ中割生成 - DeNAの「構造的生成学習」を使用したアニメの中割生成技術！
Blender チュートリアル チュートリアル-Tutorial Blender Beginner Workflow For Cinematic ... 2023-10-27 39 views フリーランスアーティストのŠime Bugarija氏によるBlenderを活用したCG制作チュートリアル「Blender Beginner Workflow For Cinematic Art, 2 Tutorials (7+H) + 100 Assets」がCG＆デジタルアート学習オンラインプラットフォーム「WINGFOX」にて取り扱い開始されています。 000 続きを読む Blender アドオン プラグイン＆アドオン-Plugin&Addon Ucupaint 1.1 - テクスチャレイヤーの一括管理やベイクなどが可能な無... 2023-10-27 139 views ucupumar氏に
不均衡データを損失関数で攻略してみる - Qiita
はじめに 研究の用途においては、データセットによる精度への影響を避けるため、各クラスのデータ数が同じくらいの均衡なデータセットがよく利用されています。しかし、いざ実サービスで学習用のデータを集めようとしても、全てのクラスで同じ数のデータを集めるのは難しい場合があります。そのような不均衡なデータセットに対して、2019/01/16にarxivで発表があった Class-Balanced Loss や Focal Lossなど、損失関数の工夫だけでどこまで精度を上げられるのか検証してみました。 データ不均衡による精度の劣化 CIFAR-10データセットを使って学習および検証を行いました。学習データはCIFAR-10の訓練用画像 50,000枚（各class 5,000枚）からautomobileとdeerとfrogのデータを250枚に減らして、意図的に不均衡にしたものを使用しています。検証には
特徴量選択の今とこれから - 学習する天然ニューラルネット
特徴量選択とは 特徴量選択の難しさ 特徴量選択の手法の大別 教師ありの特徴量選択 filter method 単変量とクラスラベルの関連性を上げる 関係性を上げて冗長性を下げる 関係性を上げて多様性を上げる wrapper method Forward SelectionとBackward Elimination 遺伝的アルゴリズムと粒子群最適化 その他のwrapper method embedding method L1正則化 Regularized tree 特徴量選択のこれから 超高次元データと特徴量選択のアンサンブル 不均衡データにおける特徴量 オンライン特徴量選択 深層学習を用いた特徴量選択 最後に 特徴量選択とは 特徴量選択(Feature Selection, 変数選択とも)はデータサイエンスにおいて非常に重要である。 例えば、製造業において欠陥品を判別するタスクを考えてみよ
小規模データセットに対する機械学習のアプローチ
1クラスあたりの画像枚数が少ないデータセットに対する機械学習の手法をサーベイしました。Data Engineering & Data Analysis Workshop #7 @CyberAgentでの発表。
AI技術により超高精度な歌声合成を実現
株式会社テクノスピーチ（所在地：名古屋市千種区、代表取締役：大浦 圭一郎、以下 テクノスピーチ）と国立大学法人名古屋工業大学 国際音声言語技術研究所（所在地：名古屋市昭和区、代表：徳田 恵一、以下 名古屋工業大学）は、このたび人間の声質・癖・歌い方をこれまでになく高精度に再現できる歌声合成技術を開発いたしました。 テクノスピーチと名古屋工業大学は共同で音声合成・歌声合成技術の研究・開発に取り組んでおり、これまでに業務用カラオケ機器「JOYSOUND」や音声創作ソフトウェア「CeVIO Creative Studio」等に音声合成・歌声合成技術の導入を進めてきました。本研究では、特定の歌唱者の約２時間の歌声データベースに対して、深層学習等のAI技術を適用することにより、歌唱者の声質・癖・歌い方を学習しました。合成の際は、任意の歌詞付き楽譜を入力するだけで高品質な歌声を合成することができま
その機械学習プロセス、自動化できませんか？ - Qiita
ここ数年、機械学習を使った研究開発やアプリケーション作成、データ分析がしやすい環境が整ってきました。機械学習フレームワークとしては、scikit-learn や TensorFlow が整備され、各クラウドベンダーからは機械学習用APIや学習/運用用のインフラが提供され、誰でも最先端の機械学習に触れられる時代になりました。 このような環境で自社の競争力を強化するには、機械学習プロセスの最適化による生産性向上が一つの手です。研究開発においては、アルゴリズムの開発をすばやく行わなければ競合に先んじられ、論文を書かれてしまうでしょう。また、アプリケーション作成やデータ分析業務での生産性向上が競争力強化に役立つのは言うまでもありません。 そこで本記事では、機械学習プロセスを自動化する技術であるAutomated Machine Learning（AutoML）の概要について紹介します。具体的には、
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
無理をしない機械学習プロジェクト2/step_or_not2
『サムライスピリッツ』の「道場モード」はいかにして作られたのか。「ニューラルネットワークを用いたAIの格闘ゲームへの組み込み」レポート【GCC2019】 - AUTOMATON
SIX ABEJA 講演資料 もうブラックボックスとは呼ばせない～機械学習を支援する情報
機械学習システムのアーキテクチャアラカルト
