「つくりながら学ぶ！PyTorchによる発展ディープラーニング」の自然言語処理の章(7,8章)をローカルPCのDocker上で動かす - Qiita
「つくりながら学ぶ！PyTorchによる発展ディープラーニング」の自然言語処理の章(7,8章)をローカルPCのDocker上で動かすDockerPyTorch はじめに 「つくりながら学ぶ！PyTorchによる発展ディープラーニング」というPyTorchの良書があります。本の内容は以下。 この本の第7,8章を動かすためのDocker環境構築です。(GPUは非対応です。) なぜDocker？ 素晴らしい本ですが、AWSインスタンスを立てて動かす方法しか書いてありません。学習を回すにはGPUが必要なのでAWSを使うといいと思いますが、著者が学習済みの重みを配布してくれていますし、コードは全て写経して、実行するのは学習以外ならば、ローカルCPUマシンで十分です。 ですが、特に第7,8章の自然言語処理は、OSのパッケージのインストールが必要ですし、Linux環境が前提の記述です。そこで、Docke
ディープラーニングおじさんの話 | ドクセル
スライド概要 ディープラーニングおじさんの代理でアップロードしました。 2019/09/07「AIchi勉強会」 #StudyAIchi での発表資料です。 https://connpass.com/event/134720/
require "dnn" require "dnn/datasets/mnist" # require "numo/linalg/autoloader" # numo-linalgを入れると高速化できます。 # 名前空間のインクルード include DNN::Models include DNN::Layers include DNN::Optimizers include DNN::Losses # MNISTデータの読み込み x_train, y_train = DNN::MNIST.load_train x_test, y_test = DNN::MNIST.load_test # MNISTデータを[画像枚数, 28 * 28]の形状に変形する x_train = x_train.reshape(x_train.shape[0], 784) x_test = x_test.re
近年、マーケティング分析や介護、看護支援、工場入退室管理などに使用するための人物属性推定や動作検出といった複雑な画像解析技術への利用ニーズが高まっている。 同社によると、IoTカメラを利用した画像解析には、画像を意味のあるデータに変換する「画像解析」と、IoTカメラ内で画像を解析し、クラウドと分散して処理する「分散処理」、顧客、現場ごとにカメラの状態を管理する「個別管理」の3つの要素が不可欠だという。 Vieurekaプラットフォームはこの3要素を実現するためのプラットフォームで、IoT機器による画像解析や、クラウドからIoT機器（CPU内蔵のIoTカメラ）の管理、IoTカメラ内のアプリのアップデートができ、IoT機器とAIを組み合わせたサービスを実現するために必要なアプリ開発のためのSDK（ソフトウェア開発キット）と運用基盤を提供している。 アプリケーション開発環境を拡張 関連記事 Mi
MACのGPU（非Nvidia）で機械学習・ディープラーニングを実現する！PlaidMLを解説 | 最新の音楽テクノロジー全７０時間以上の講義をオンラインで自宅受講できる未来の音楽TECH学校
音楽制作で使用するPCといえば、いまでもMACという方多いと思います。 ではそのMACで自動作曲のために機械学習・ディープラーニングにも取り組んでみたい、、、、と考えたとしましょう。 現在ほとんどの機械学習・ディープラーニング環境（対応するフレームワーク）はNvidiaのGPUが一強独占の状態です。 が、現在MACはNvidiaのGPU（より正確にはCUDAというGPUコンピューティング用のプラットフォーム）が使用できないのです、、、 そのためMACでGPU を使用した機械学習・ディープラーニングの実践は難しい状況です。 そこでご紹介したいのが”PlaidML”です。 https://vertexai-plaidml.readthedocs-hosted.com/en/latest/# PlaidMLはOSやGPUなどの環境に対してオープンな機械学習フレームワークを目指して開発されており、
飛行船ヒンデンブルグ号は空前絶後の巨大飛行物体。その爆発炎上事故の動画も史上稀にみる壮絶さでよく知られています。この記録映画をディープラーニング技術で4K解像度・60fpsにアップルスケールした動画です。 動画はこちらから。 Hindenburg Disaster in 1937 – [60FPS – Color – 4K] – Old footage restoration with AI – YouTube まずAfter Effectsなどを使用してフィルムのノイズやキズを除去や安定化を行った後、ディープラーニング技術を用いたソフトでさらに修復、24FPSから60FPSにコマ間を補完し、さらにカラー化、4Kへのアップスケーリングを行っています。 元の動画はこちら。比べてみるといかにディティールが描き足されているのかが分かると思います。 Hindenburg Disaster: Rea
【深層学習】Deeplabv3+を用いたセマンティックセグメンテーション 〜Googleが発表した最先端のディープラーニング技術〜 - 社会人博士の深層学習ブログ
今回は、セマンティックセグメンテーションで最も性能が高い手法の1つであるDeeplabv3+を、基本的な手法であるU-Netと比較しながら紹介します。 上の図にDeeplabv3+の構造を示します。従来のモデルとしてよく使用されるU-Netと同様に、エンコーダー/デコーダー構造を備えています。エンコーダーブロックは、高レベルの特徴を抽出するたたみ込みニューラルネットワークです。 Deeplabv3 +は、特徴抽出にXceptionモジュールを使用し、元のスペクトログラムの1/16のサイズの特徴マップを出力します。 U-Netとの最大の違いは、Xceptionモジュールの後に実行されるAtrous Spatial Pyramid Pooling（ASPP）と呼ばれる異なるレートの拡張畳み込み層を持つピラミッド構造です。拡張畳み込みは、定義されたギャップを持つ入力に適用される一種の畳み込みです
4月新刊情報『ディープラーニング実践ガイド』
『ディープラーニング実践ガイド ―クラウド、モバイル、ブラウザ、エッジデバイス向けAIアプリ開発入門』 Anirudh Koul, Siddha Ganju, Meher Kasam 著、足立 昌彦、太田 満久、新村 拓也、藤原 秀平、松田 実法 監訳、牧野 聡 訳 2023年4月21日発売予定 612ページ（予定） ISBN978-4-8144-0028-7 定価4,950円（税込） 本書では、ディープラーニングの研究で受賞歴のある3人の著者が、アイデアを現実世界の人々が使用できるものに変換するプロセスをステップバイステップで丁寧に解説します。構築するのは、クラウド、モバイル、ブラウザ、エッジデバイス向けの実用的なディープラーニングアプリケーションです。一部の章ではその章で扱うトピックの専門家をゲスト執筆者に迎えてさまざまな手法を解説しているので、読者のニーズにマッチするアプリケーション
ディープラーニングを始めるための、作業環境の特長と使い分け指針：Google Colaboratory入門 機械学習やディープラーニングの作業環境にはどのようなものがあるのか。「PyCharm」「Visual Studio Code」「Jupyter Notebook」という3つの主要な作業環境の概要と特徴を説明し、その使い分け指針を示す。
はじめに ライス大学とインテル社の共同開発によって、GPUのような特別なアクセラレーションハードウェアなしでディープラーニングを高速化できるSLIDEが考案されました。そのSLIDEについて解説します。 Deep Learning Breakthrough Results In A 44-Core Intel Xeon Destroying NVIDIA Tesla V100 GPU TL:DR GPUが得意とする行列演算をやるのではなく、LSHによって直接計算せず活性化したニューロンを取得することができます。 Locality Sensitive Hashing Locality Sensitive Hashing（LSH）は、大量なデータから類似度が高いデータのペアを高速に抽出してくれるアルゴリズムです。以下は参考ページです。SLIDEはこのLSHの考え方に基づいて設計されています。
【文系向け】G検定対策はテキストkindle版がおすすめ（JDLA ディープラーニング ジェネラリスト検定） ある日twitterを見ていたら「G検定」なる資格がある事を発見しました。 ... Copyright © 2024 AI人材になる All Rights Reserved.
【初心者向け】Pythonを使ってディープラーニングによる画像分類を体験してみよう！ - AI Academy Media
はじめに このテキスト(章)は、手っ取り早く深層学習プログラミングを体験することを目的としています。 そのため、Pythonプログラミング基本文法及び、scikit-learnやnumpyやpandas、matplotlibの基本的な使い方や、TensorFlowまたはKerasなどの深層学習フレームワークのチュートリアルの説明や専門用語等の説明は別のテキストに譲り、このテキストでは説明しておりませんのでご了承ください。 Google Colaboratoryで深層学習をはじめよう！ Googleが機械学習の教育及び研究用に提供しているGoogle Colaboratory（グーグル・コラボレイトリー）の使い方を説明し、Pythonプログラミングと機械学習プログラミングを行っていきます。 Colaboratoryを利用することで、インストール不要かつ、すぐにPython環境を整えることが可
『ディープラーニング(Deep Learning)の歴史を振り返る - 渋谷駅前で働くデータサイエンティストのブログ』へのコメント
ブックマークしました ここにツイート内容が記載されます https://b.hatena.ne.jp/URLはspanで囲んでください Twitterで共有
ニューラルネットワークの「事前学習」 ニューラルネットワークを構成する技術の１つ、「バックプロパゲーション（誤差逆伝播法）」が抱えていた課題は、ニューラルネットワークの層が多くなると「誤差に関する情報が十分に届かない」というものでした。この問題は層が増えれば増えるほど解決が難しくなります。層を増やさなければ性能を発揮しないニューラルネットワークにとっては致命的な問題でした（詳しくは前回の記事をチェック）。 しかし、「事前学習」という手法においては、層を増やす前段階の「まだ小さなニューラルネットワークの状態」で学習をさせます。層が少ない状態であればバックプロパゲーションの技術も使えますし、学習も容易です。 つまり、あらかじめ学習させておいた小さなネットワークを集めて大きなニューラルネットワークを作れば最初の時点で誤差が小さくなり、バックプロパゲーションによる修正が容易になると考えたのです。
ニューラルネットとディープラーニングの違い （司会者）：ではそろそろ質疑応答に移りたいと思います。よろしくお願いします。 井口圭一氏（以下、井口）：発表中に何件かもらっていたので、そこからいきますか？ 「ユーザーからすると、読み筋が出るのが将棋ソフトのありがたいところですが、dlshogiでもディープラーニングで読み筋は出せるのでしょうか？」 川島馨氏（以下、川島）：はい、出せます。さっき言ったモンテカルロ木探索で、数手先を読むという探索もしていて、読み筋を出すのはdlshogiでも対応しています。 井口：これもまた川島さんにかな。「従来の将棋AIとの違いというスライドで、従来でもニューラルネットを使うと書いてありましたけど、一番顕著な違いは何でしょうか？」 川島：特徴量がニューラルネットだと、今はNNUEっていう仕組みが使われていて、それは2駒の関係を入れているんですが、ディープラーニン
ディープラーニングの登場はストラテジーゲームを一変させた？ 三宅陽一郎に聞く“戦略ゲームAI”進化の歴史と未来 ゲームAI研究者・開発者の三宅陽一郎氏が、『戦略ゲームAI 解体新書 ストラテジー&シミュレーションゲームから学ぶ最先端アルゴリズム』を上梓した。 スマホゲームをはじめ、数多くのストラテジー＆シミュレーションゲームに利用されるなど、ゲーム開発において非常に重要な技術となっている戦略ゲームAI技術。国内や海外の事例や論文、研究を元に、戦略ゲームAI技術の仕組みや戦略的意思決定プロセスを紐解く同著について、三宅氏本人へのインタビューを行った。 「日本のゲームAIは海外に大幅に遅れをとっている」と過去に発言したこともある同氏が、2021年のいま思うこととは。2022年以降に出るかもしれない未来のゲームに想いを馳せながら、ゲームAIの現在地を紐解いていく。（編集部） ストラテジーゲームの
AI戦略室の椎橋です。弊社で取り組んでいるディープラーニングの活用事例を紹介します。 空飛ぶホームズくん 空飛ぶホームズくんとは、平面の間取り図から3Dの部屋を生成する技術を用い（※特許取得済み）、バーチャル内見できるVRサービスです。詳細は以下のリンクに書いてあります。 lifull.com 平面の間取り図から３Dの部屋を生成する技術では主にディープラーニングを使っていて、今回はその計算処理について紹介します。 先行研究 間取り図の画像解析の先行研究では"Deep Floor Plan Recognition Using a Multi-Task Network with Room-Boundary-Guided Attention"があります。 https://openaccess.thecvf.com/content_ICCV_2019/papers/Zeng_Deep_Floor_
・自己教師あり学習 ・半教師あり学習 ・転移学習 ・メタ学習 ・模倣学習 ・逆強化学習 ・能動学習（Active Learning） について 「概要」、「代表的アルゴリズム名」、 「各内容を学ぶためのおすすめチュートリアル動画」を解説しています 2020年9月25日 理系ナビ DLエンジニアトレーニングプログラム Read less
下落 55%
大容量データの音声認識(CNN)をCPU上でやった作業ログ【機械学習・ディープラーニング】 - アプリとサービスのすすめ
今回は音声認識のデータセット「ESC-50」をCNNで分類した。 特にこだわったのが、GPUでも普通にやったらOOMエラーが出るくらいの大容量のデータセットを、kerasのfit_generatorメソッドを使ってCPU上でもできるようにしたこと。 あとは音声認識は触れたことなかったので、前処理から学習するまでの作業ログ。 目次 1.音声データセット(ESC-50) 2.音声データの水増し(Augmentation) 3.水増した音声データの保存と読み込み 4.データ前処理とCPU上で学習(CNN) 1.音声データセット(ESC-50) 今回は音声データセット「ESC-50」を使う。 ESC-50の音声は環境音・自然音からなる声を含まない音。 動物の鳴き声、雨の音、人間の咳、時計のアラーム、エンジン音など50クラス。それをCNNで分類してみる。 ファイル形式は拡張子が.wavの音声。サイト
2019-07-192019-06-24 ディープラーニングの社会実装を阻むものは何か ─DLLAB 2019 基調講演 6月8日、東京都内にて「DLLAB 2 周年イベント ディープラーニングの社会実装を阻むものは何か？」が開催された。 ディープラーニングラボ（DLLAB）とは、Deep Learning Lab（ディープラーニング・ラボ）は、ディープラーニングを中心とした先端技術の持つ可能性を、実際のビジネスへ応用するべく、技術とビジネスの両面に精通したプロフェッショナルたちが集まるコミュニティだ。 本イベントはディープラーニングラボの設立2周年を記念して開催された。開催日は6月8日の土曜日と週末の開催であったが500名近い参加希望者が集まりブースやネットワーキングスペースも非常に盛況であった。 本記事では東京大学 教授の松尾豊氏の基調講演についてとりあげる。 松尾豊氏 基調講演 松尾
小学生向けディープラーニング体験教室でロボットカーの授業をしました。 - Preferred Networks Research & Development
こんにちは。丸山史郎です。 Preferred Networksでは2019年の6/8（土）に小学校高学年向けのディープラーニング体験教室を行いました。 体験教室の内容は大きく３つに分かれており、その中の30分くらいの時間でレゴ® マインドストーム®を使ったロボットカーの体験教室を行いました。この直前に「ものまね」算という形で小学生向けのディープラーニング（機械学習）の解説があり、ここではディープラーニングをロボットに使うとどのようなことができるのかということを実際に体験してもらうことを目的としました。 また、弊社としては小学生向けの体験教室は初めてのことでしたので、ロボットの準備やロボット体験の内容へのアドバイス、当日の運営などを株式会社アフレル様にご協力いただきました。 以下のようにカメラとカラーセンサーがついているロボットカーを用意しました。 ロボットカーはカメラのついている方向に進
『MarkeZine』が主催するマーケティング・イベント『MarkeZine Day』『MarkeZine Academy』『MarkeZine プレミアムセミナー』の 最新情報をはじめ、様々なイベント情報をまとめてご紹介します。 MarkeZine Day
Vol.05 東映ツークン研究所リアルタイム合成システム「LiveZ」視察。モーショントラックとディープラーニングで生み出す未来[Virtual Production Field Guide] - PRONEWS : 動画制作のあらゆる情報が集まるトータルガイド
東映ツークン研究所リアルタイム合成システム「LiveZ」視察。モーショントラックとディープラーニングで生み出す未来 txt：小林基己 構成･写真･動画：編集部 背景不要なシステムリアルタイム合成システムを実現 名前が示す通り東映ツークン研究所は、東映大泉撮影所内に作られた東映デジタルセンターの最新撮影技術を探求している研究機関だ。モーションキャプチャー、フェイシャルキャプチャーやバーチャルステージの設計なども行っている。今回はバーチャルスタジオの特集ということでツークン研究所が今開発している「LiveZ」（ライブズ）を紹介してもらった。 左からテクニカルデザイナーの坂田大季氏、プロデューサー/研究開発コーディネーターの貞木優子氏、VFXスーパーバイザーの小林真吾氏、テクニカルデザイナーの大川拓樹氏 伺ったスタジオは、天井の高い10m四方ほどの空間にトラスが組まれモーションキャプチャー用のV
![Vol.05 東映ツークン研究所リアルタイム合成システム「LiveZ」視察。モーショントラックとディープラーニングで生み出す未来[Virtual Production Field Guide] - PRONEWS : 動画制作のあらゆる情報が集まるトータルガイド](https://cdn-ak-scissors.b.st-hatena.com/image/square/2727349186ed310c3c151c460dd5e2ea7a2f914c/height=288;version=1;width=512/https%3A%2F%2Fjp.static.pronews.com%2Fpronewscore%2Fwp-content%2Fuploads%2F2021%2F04%2Fvirtualproduction-vol04-05.jpg)
【資格試験対策】ディープラーニングG検定【キーワード・ポイントまとめ】 - ITとかCockatielとか
last update : 2021/2/24 last update : 2021/2/24 はじめに １．📘人工知能（AI）とは（人工知能の定義） AIの定義 人工知能レベル AI効果 ロボットとの違い 歴史 ✅ 💻ENIAC ✅ ダートマス会議 ✅ 第１次AIブーム ✅ 第２次AIブーム ✅ 第３次AIブーム ２．📘人工知能をめぐる動向 2-1.📘探索・推論 探索・推論の手法 ✅ 探索木 ✅ ハノイの塔 ✅ ロボットの行動計画 ✅ ボードゲーム ✅ コスト ✅ Mini-Max法 ✅ α-β法 ✅ モンテカルロ法 2-2.📘知識表現 知識表現 ✅ 💻ELIZA（イライザ） ✅ エキスパートシステム ✓ 💻DENDRAL ✓ 💻マイシン（MYCIN） ✅ 意味ネットワーク ✅ Cycプロジェクト オントロジー（ontology） ✅ セマンティックウェブ ✅ ヘビーウェ
【深層学習】word2vec - 単語の意味を機械が理解する仕組み【ディープラーニングの世界 vol. 21】#089 #VRアカデミア #DeepLearning
▼テーマ 単語をベクトルで表す単語分散表現の中で最も有名な word2vec の紹介です。 word2vec は4種のアルゴリズムの総称です。 それぞれを丁寧に説明していきます。 ▼関連プレイリスト Deep Learning の世界 https://www.youtube.com/playlist?list=PLhDAH9aTfnxKXf__soUoAEOrbLAOnVHCP 自然言語処理シリーズ https://www.youtube.com/playlist?list=PLhDAH9aTfnxL4XdCRjUCC0_flR00A6tJR ▼目次 00:00 OP ==== 1.単語分散表現 ==== 02:06 1-1 単語分散表現って何？ 03:56 1-2 分散表現が得られると何が便利なのか？ ==== 2.word2vec ==== 08:31 2-1 引用論文紹介
最終更新日： 2022年4月19日 ディープラーニングやニューラルネットワークという言葉を聞く機会が増えてきたのではないでしょうか。その一方、両者の違いがわからない方も多いでしょう。 そこで、本記事ではディープラーニングとニューラルネットワークの違いや関係性その種類を紹介します。
Spring BootによるAPIバックエンド構築実践ガイド 第2版 何千人もの開発者が、InfoQのミニブック「Practical Guide to Building an API Back End with Spring Boot」から、Spring Bootを使ったREST API構築の基礎を学んだ。この本では、出版時に新しくリリースされたバージョンである Spring Boot 2 を使用している。しかし、Spring Boot3が最近リリースされ、重要な変...
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
ruby-dnnでディープラーニング - Qiita
ディープラーニングなどに活用可能なカメラ「VRK-C301」を発表 パナソニック
巨大飛行船ヒンデンブルグ号爆発事故をディープラーニングで4k60fpsに補完した動画
ディープラーニングを始めるための、作業環境の特長と使い分け指針
【論文読み】CPUでディープラーニングを高速化するSLIDEの紹介 - Qiita
【文系向け】G検定対策はテキストkindle版がおすすめ（JDLA ディープラーニング ジェネラリスト検定）
オートエンコーダ（自己符号化器）とは？ ディープラーニングとの関係を図解で解説
プロ棋士がもっとディープラーニング由来ソフトを使えばいい AIの普及が将棋界を変える
ディープラーニングの登場はストラテジーゲームを一変させた？ 三宅陽一郎に聞く“戦略ゲームAI”進化の歴史と未来
間取り図をディープラーニングで解析して3Dモデルをつくる - LIFULL Creators Blog
最近のディープラーニングのトレンド紹介_20200925
2019/9/9(月)の日経平均予想 - AIディープラーニングで日経先物予想！
ディープラーニングの社会実装を阻むものは何か ─DLLAB 2019 基調講演 | IoT NEWS
AI、機械学習、ディープラーニングの違いを説明できますか？機械学習と統計の違いは？
ディープラーニングとニューラルネットワークの違い《初心者必見》 | AI専門ニュースメディア AINOW
OpenAIはより長いシーケンスのディープラーニングのためのSparse Transformersを発表