【西川和久の不定期コラム】 「stable diffusion-webui」を無料のクラウド環境「Google Colab」で爆速で動かす！
GPT-4
We’ve created GPT-4, the latest milestone in OpenAI’s effort in scaling up deep learning. GPT-4 is a large multimodal model (accepting image and text inputs, emitting text outputs) that, while less capable than humans in many real-world scenarios, exhibits human-level performance on various professional and academic benchmarks. We’ve created GPT-4, the latest milestone in OpenAI’s effort in scalin
データの民主化とこれからのAI組織｜ばんくし
はじめにStable DiffusionだとかChatGPT、LLMみたいな「大規模モデル」って考え方が機械学習業界から出て、スケーリング則に基づいてまだまだ精度が上がるとされている昨今。 （スケーリング則はどうのこうの諸説あるが）さておき、「マルチモーダルに」「あらゆるデータを学習した」「大規模なモデル」が今後数年リードしていく事は間違いないと思う。 そんな中で、我々機械学習エンジニアやデータサイエンティスト、アナリスト、データエンジニア、MLOpsエンジニアみたいな、いわゆるAI屋として働いている人たち、皆が所属するAI組織ってどうなっていくのかな、という話を書いてみる。 データの民主化AIの民主化とデータの民主化AI業界では「AIの民主化」というワードがある。 便宜的にAIというワードが広く使われるようになった辺りで出てきたワードで、OSSやプラットフォーム、ハードの発展によって「A
GitHub - Valkyrja3607/tuning_playbook_ja: ディープラーニングモデルの性能を体系的に最大化するためのプレイブック
現在，ディープニューラルネットワークを実際にうまく機能させるためには，驚くほど多くの労力と推測が必要です．さらに悪いことに，深層学習で良い結果を得るために実際に使われるレシピが文書化されることは稀です．論文では，よりきれいなストーリーを提示するために，最終的な結果に至ったプロセスは無視され，商業的な問題に取り組む機械学習エンジニアには，一歩下がってそのプロセスを一般化する時間はほとんどありません．教科書は，たとえ著者が有用な助言を提供するために必要な応用経験を有していたとしても，実用的な指針を避け，基本原理を優先する傾向がある．このドキュメントを作成する準備をしていたとき，私たちは，深層学習で良い結果を得る方法を実際に説明する包括的な試みを見つけることができませんでした．その代わりに，ブログ記事やソーシャルメディア上のアドバイスの断片，研究論文のappendixから覗くトリック，ある特定の
AIが作った画像か判別するAIを4hで作ったらまあまあの精度出たのでWebサービスとして公開した件 - Qiita
AIが作った画像か判断するAIを作りました Webサービスとして提供していましたが、飽きたのでクローズしました ※機械学習やったことない人が書いてます Why ピクシブのお気持ち表明記事の「AI生成作品のフィルタリング機能」というのが気になり、機械学習で作ることが出来るのではと思いやってみることに Step 1 素材を集める 割愛 Step 2 コードを書く AutoGluon というAutoML(全自動で良い感じに機械学習してくれる奴)ツールを使ったので、パラメーターの調整や難しいコードは何も書いてません。 過去に使って良い感じになった奴を流用します。 from autogluon.vision import ImagePredictor, ImageDataset if __name__ == "__main__": # \imagesの中にはAIが生成した画像フォルダとAIが作ってな
Stable Diffusionでのkawaii生成のための指針｜chili｜note
前置きこんにちはchiliと申します。 852話さんのkawaiiのツイート以来、kawaiiの作成を頑張っています。 深夜に一般公開されたstable Difusionでの画面映えを意識したキャラクターのイラストの出力が、プロンプトの練度を上げたところ中々にえぐい。の画像まとめ。 AIartが今後どうなっていくのか楽しみすぎてワクワクする。すげーなあ。 pic.twitter.com/TQGhtBOQvA — 852話 (@8co28) August 23, 2022 一回リアルな絵に逃げていたのですがようやく安定してきたので、どのように安定化させたのかをまとめます。一点注意として今は様々なバリエーションが出た方が面白そうなのでpromptの公開は行いません。今回は考え方のみを紹介します。 まず現在生成できている絵は以下のようなものです。
Pythonでニューラルネットワークを書いてみよう
連載目次 本連載（基礎編）の目的 スクラッチ（＝他者が書いたソースコードを見たりライブラリーを使ったりせずに、何もないゼロの状態からコードを記述すること）でディープラーニングやニューラルネットワーク（DNN：Deep Neural Network、以下では「ニューラルネット」と表記）を実装して学ぶ系の書籍や動画講座、記事はたくさんあると思います。それらで学んだ際に、「誤差逆伝播」（バックプロパゲーション）のところで挫折して、そこはスルーしている人は少なくないのではないでしょうか。個々の数式や計算自体を理解していても、何となく全体像がつかめずに、 と自信を持って言えない人も多いのではないかと思います。 本連載（基礎編）はそういった人に向けた記事になります。この記事はニューラルネットの仕組みを、数学理論からではなくPythonコードから学ぶことを狙っています。「難しい高校以降の数学は苦手だけど
AIのべりすと
Write Stories, with the Largest Public Japanese AI ever! AIで小説を書こう！ AI Novelist is the largest public Japanese storywriting AI, trained from scratch by more than 2TB corpus. You may start from one of the example prompts or start with your own text! Tips: You may want to enter at the least 5-6 lines worth of a seed text to make sure the AI understands the context/genre.
PyTorch vs. TensorFlow、ディープラーニングフレームワークはどっちを使うべきか問題【2022年】
TensorFlow： 2015年11月登場、Google製。特に産業界で人気 Keras： 2015年3月登場、作者がGoogle社員。使いやすくて簡単。TensorFlow 2に同梱され標準API化 PyTorch： 2016年8月登場、Facebook（改めMeta）製。特に研究分野で人気 Apache MXNet： 2015年6月登場、2017年7月からApache Software Foundation製。AWSがコントリビュートし、Azureもサポート JAX： 2018年11月登場、Google製。NumPy互換＋自動微分＋GPU／TPUサポート。研究分野で注目度上昇中 などがある（※機械学習の分野にまで広げるとscikit-learnなどもあるが、今回は深層学習に絞る）。いずれもオープンソースである。 2022年1月現在も、主にTensorFlow／KerasとPyTorc
This Anime Does Not Exist
For significantly better and customizable anime image generation, check out Holara AI Creativity Slider 0.5 Higher creativity values tell the AI to be more creative and detailed, but also messy and weird Speed Slider 1.5 Space: pause grid, Drag: pan grid, Click: open image in new tab F: fullscreen mode, Z: toggle zoom on hover, V: video mode You can find updates about anime and AI on Twi
メディカルAI専門コース オンライン講義資料
News¶ 2019/12/06: 講義資料Ver 1.1を公開（2019年度版） 2018/12/17: 講義資料Ver 1.0を公開（2018年度版） 本講義資料について¶ 本ページは 日本メディカルAI学会公認資格：メディカルAI専門コースのオンライン講義資料（以下本資料） です． 本講料を読むことで，医療で人工知能技術を使う際に最低限必要な知識や実践方法を学ぶことができます．本資料は全てGoogle Colaboratoryというサービスを用いて執筆されており，各章はJupyter notebook (iPython notebook)の形式（.ipynb）で以下のリポジトリにて配布されています（notebooksディレクトリ以下に全ての.ipynbファイルが入っています）： japan-medical-ai/medical-ai-course-materials 想定受講者¶ 受
『機械学習のエッセンス』はゼロからガチで機械学習を生業にしたい人が「いの一番に」読むべき一冊 - 六本木で働くデータサイエンティストのブログ
機械学習のエッセンス -実装しながら学ぶPython,数学,アルゴリズム- (Machine Learning) 作者: 加藤公一出版社/メーカー: SBクリエイティブ発売日: 2018/09/21メディア: 単行本この商品を含むブログを見る発売されてからだいぶ経ちますが、構想段階の頃より著者の「はむかず」さんこと加藤公一さんからお話を伺っていて注目していたこちらの一冊をようやく一通り読みましたので、サクッと書評めいた何かを書いてみようかと思います。 各章の概要 言うまでもなく実際の内容は皆様ご自身でお読みいただきたいのですが、これまでの書評記事同様に概要を簡単にまとめておきます。 第01章 学習を始める前に Python環境やAnacondaのインストールについての説明もなされているんですが、重要なのは後述する「本書は何を含まないか」という節。ここに本書の狙いの全てが書かれていると言って
ディープラーニングの力で結月ゆかりの声になってみた
目次 （背景）自分の声を結月ゆかりにしたい。前回はあまりクオリティが良くなかったので、手法を変えて質を上げたい。 （手法）声質変換を、低音質変換と高音質化の二段階に分けてそれぞれ学習させた。画像分野で有名なモデルを使った。 （結果）性能が飛躍的に向上し、かなり聞き取れるものになった。 （考察）精度はまだ改善の余地があり、多対多声質変換にすることで精度が向上すると考えられる。今回の結果を論文化したい。 デモ動画 背景多くの人が可愛い女の子になりたいと思っている。 ＣＧ技術やモーションキャプチャ技術の向上により、姿は女の子に仮想化できるようになってきた。 しかし、声に関してはまだまだ課題が多い。 声質変換は「遅延」「音質」「複数話者」などの難しい課題がある。 今回は、自分の声を結月ゆかりにするための、低遅延で実現可能な高音質声質変換を目指した。 手法大きく分けて３つの工夫をした。 画像ディープ
文系エンジニアがCourseraの機械学習コースを1ヶ月で修了したので振り返ってみました。 - Qiita
昨年の丁度同じ時期に、1ヶ月ほど仕事を休んで小学校の算数から高校数学までを学び直しまして、文系エンジニアが機械学習に入門するために小学校の算数から高校数学までを一気に復習してみましたという記事を書きました。 その後、機械学習やディープラーニングに関する勉強をどんどん進めていく予定だったのですが、Go、Scala、DDD、関数型言語の基礎、Rust、そしてGCPやKubernetes等、仕事上でキャッチアップしなければならない分野が山積みだった(＆とても面白かった)ため、中々手を付けられませんでした。 それらの学習がやっと一段落した＆今年の7月から機械学習系の開発に強みを持つ会社様に職場が変わったということもありまして、機械学習の入門として非常に評判の良かったAndrew Ng先生のCourseraの機械学習コースを(今回は仕事を休まずに)受講してみましたので、振り返ってみたいと思います。
「人工知能ってどこでダウンロードできるんですか？」→無理です
「人工知能ってどこでダウンロードできるんですか？」→無理です：真説・人工知能に関する12の誤解（5）（1/4 ページ） 「人工知能をダウンロードして使ってみたい」 こんな相談を受けることがありますが、そんなことはできません。こうした勘違いをしてしまうのは、人工知能の根幹技術である「機械学習」について、よく理解していないからではないかと考えています。 人工知能を理解している人と、全く分かっていない人を隔てる壁の1つに「人工知能はどこかでインストールできるプログラムだ」という誤解があります。私自身、「ダウンロードして使ってみたいんだけど」と相談された経験が何度もあります。 2017年現在、ビジネスの現場で「人工知能」という言葉が使われるとき、それが指し示す意味はほぼ「ディープラーニング（深層学習）」と同義です。そのため、Googleの機械学習ライブラリ「TensorFlow」や、Preferr
コーディング不要のディープラーニング開発ツール、ソニーが無償提供
コーディング不要で、ディープラーニングのプログラムを生成できるソフトウェア「Neural Network Console」を、ソニーが無償提供。 ソニーは8月17日、コーディングの知識がなくても、ディープラーニング（深層学習）のプログラムを生成できるソフトウェア「Neural Network Console」の無償提供を始めた。自社の製品・サービス開発にも利用しているツールを多くの開発者や研究者に使ってもらうことで「ディープラーニング技術の発展につなげる」という。 同社は今年6月、ディープラーニングのプログラムを生成する際に使うコアライブラリー（基盤ソフトウェア）「Neural Network Libraries」（以下、Libraries）をオープンソース化した。人間の脳を模倣した「ニューラルネットワーク」の設計、製品・サービスへの搭載を効率化する演算モジュール群だが、利用には高度なプロ
お絵描きコミュニケーションアプリ「pixiv Sketch」と線画自動着色サービス「PaintsChainer」が連携。AI技術によるイラストの自動着色機能を提供開始。 | ピクシブ株式会社
ピクシブ株式会社（代表取締役社長：伊藤浩樹、本社：東京都渋谷区）とAIベンチャーの株式会社Preferred Networks（代表取締役社長：西川徹、本社：東京都千代田区、以下、PFN）は提携し、お絵描きコミュニケーションプラットフォーム「pixiv Sketch（ピクシブスケッチ）」に、新たにAI技術による線画自動着色サービス「PaintsChainer（ペインツチェイナー）」の機能を追加し、2017年5月24日（水）より提供開始します。 pixiv Sketchは、PCやスマートフォン等のデバイスを通じてお絵描きしたものをそのまま投稿できるコミュニケーションプラットフォームです。部屋の中でくつろいでいる時も、友達と外で遊んでいる時も、いつでもどこでも気軽にお絵描きをして、お絵描きを投稿することでコミュニケーションをリアルタイムに体験できます。 この度pixiv Sketchに追加する
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
はじめに — 機械学習帳
ブラウザ上で機械学習と戯れることができる『Machine Learning Playground』 | 100SHIKI
セクシー女優で学ぶ画像分類入門
