NVIDIA Jetson Nano 開発者キットに Docker を使ってディープラーニング・フレームワークをインストールする - Qiita
NVIDIA Jetson Nano 開発者キットに Docker を使ってディープラーニング・フレームワークをインストールするNVIDIADockerTensorFlowPyTorchJetsonNano はじめに ウェブサービスのシステムなど一部の分野では Docker コンテナはかなり普及しているようです。そのようなところでは、Kubernetes などのコンテナ・オーケストレーション・システムと組み合わせて、システムのデプロイメントと運用を効率的に行うことが Docker コンテナ利用の主目的だと思います。 別の、 Docker コンテナ利用目的として、ソフトウェアのインストールを簡単に行うという側面もあります。たとえば、TensorFlow や PyTorch など、ディープラーニング・フレームワークは非常に多くのライブラリの土台の上に成り立っていて、インストールの際には、まず、
やねうら王は通常のCPU探索以外にディープラーニングを使った思考ルーチンも利用できる。それが「ふかうら王」だ。名前の「ふか」はたぶん「ディープ」から来ているのだろう。 ディープラーニングはCPUでやらせると時間がかかるので、GPUを使うのが普通である。下記の記事では、ROG-STRIX-RTX3090-O24G-GAMINGというGPUカードを使っていて、このカードだけでも価格は２０万円を超える。合計約140万円とのこと。恐ろしい世界である。 “最強PC”を組めるヤツに会いに行く そして生まれた怪物のスペックは：プロ棋士向け最強将棋AIマシンを組む！（1/3 ページ） – ITmedia NEWS広瀬八段、将棋AIマシンで研究スタート 早速優勝も ソフト設定から広瀬流の研究方法まで：プロ棋士向け最強将棋AIマシンを組む！（1/3 ページ） – ITmedia NEWS 将棋専用機に140万
こんにちは、えびかずきです。 今回はGoogle Cloud Platform(GCP)でGPUを使う手順を順番に解説していきます！ こんな人におすすめ�： ・ディープラーニング用にがっつりマシンパワーが欲しい。 ・クラウドでGPUが使えることは知っているけど、複雑でよくわからない。 結論として、1時間あたり50円くらいでGCPのAIプラットフォームからGPUを使えます。 初期クレジットとして約3万円分の無料枠が貰えるので、お得です。 では順を追って手順を説明していきましょう！
ディープラーニングのパラメータを自動調整するライブラリ「Optuna v2.0」、パラメータの重要度を定量評価─PFN | IT Leaders
IT Leaders トップ ＞ テクノロジー一覧 ＞ AI ＞ 新製品・サービス ＞ ディープラーニングのパラメータを自動調整するライブラリ「Optuna v2.0」、パラメータの重要度を定量評価─PFN AI AI記事一覧へ [新製品・サービス] ディープラーニングのパラメータを自動調整するライブラリ「Optuna v2.0」、パラメータの重要度を定量評価─PFN 2020年7月29日(水)日川 佳三（IT Leaders編集部） リスト Preferred Networks（PFN）は2020年7月29日、ディープラーニング（深層学習）のパラメータを自動で調整するライブラリ「Optuna（オプチュナ）」の新バージョン「Optuna v2.0」を公開した。新版では、ハイパーパラメータの重要度を定量的に評価できるようにした。 Optunaは、ディープラーニングの各種のパラメータを自動で調
GDEP Advanceセミナー2019「ディープラーニングの今とこれから」 2019年10月23日にGDEPアドバンス社は、秋葉原UDXカンファレンスで無料セミナー「ディープラーニングの今とこれから」を開催。このセミナーでは、ディープラーニングにはもはや欠かせないNVIDIAのGPUに関する最新情報、そして実際にNVIDIA製品を活用した数多くのAIシステムの事例が紹介された。 ディープラーニングのブレークスルーによって、これまでできなかったことができるようになったものの、理論だけではビジネスには活かせない。実際に自社でAIシステム開発をしようとすると、必要な計算リソースや必要なデータ量、そして稼働後の維持管理など、開発・運用面でのさまざまな疑問が広がるからだ。このセミナーでは、ふだんはあまり見ることができない事例が多数紹介されたため、アルゴリズムやデータの工夫、コストの削減のヒントなど
台風の勢力推測76.8%に向上 琉球大学がAI開発 衛星画像4000枚をディープラーニング | 沖縄タイムス＋プラス
赤色部分がＡＩが判断する上で最も重視した領域。原画像はＡＩが台風の目からずれていたが、魚眼加工した画像では目に合っていた（琉球大学提供）
ディープラーニング向けGPUクラウド「GPU EATER」運営のPegara、シードラウンドでMIRAISEやA.L.I.らから104万米ドルを調達 - BRIDGE（ブリッジ）テクノロジー＆スタートアップ情報
左から：Pegara CEO 市原俊亮氏、CTO 中塚晶仁氏 Image credit: Pegara ディープラーニング向け GPU クラウド「GPU EATER」を開発・運営する Pegara は12日、シードラウンドで VC ファンドの MIRAISE、 A.L.I. Technologies（以下、A.L.I. と略す）、メルカリ創業初期メンバーの一人である胡華氏から104万米ドルを調達したことを明らかにした。Pegara は今年2月にも、MIRAISE から資金調達を行なっており、今回はそのラウンドへのフォローオンと見られる。Pegara の累積調達額は153万米ドル。 ディープラーニングプロダクトのデベロッパにとっては、高性能な GPU を搭載した AWS や Azure などの既存クラウドサービスを多用した場合、コストが非常に高くなる懸念があるが、GPU EATER ではエン
Jetson Nanoとディープラーニングを使って身体を楽器にする「Skeleton Sequencer」を作ってみた - 趣味TECHオンライン | 趣味のモノづくりを応援するオンラインメディア
Jetson Nanoとディープラーニングを使って身体を楽器にする「Skeleton Sequencer」を作ってみました。 <投稿者: からあげ @karaage0703> 愛知県のモノづくり系企業で働く闇のエンジニア。変なデジカメ作ったりブログ書いたり。好きな食べ物は、からあげ。 twitter.com karaage.hatenadiary.jp 身体が楽器になる！？「Skeleton Sequencer」を作ってみた 「Skeleton Sequencer」という身体を楽器にするシステムを作ってみました。どんな楽器かは、以下動画をご覧下さい（下手な英語のナレーションはご容赦下さい…）。 www.youtube.com Jetson Nanoのカメラとディープラーニングを使って体の骨格を検出し、その身体の形に応じたメロディーを奏でることができます。シーケンス部分は、YAMAHAさんの
画像は講座紹介ページより 【学生限定】深層強化学習講座の募集開始！11/10より毎週水曜日に全6回で開催します。強化学習の基礎から、sim2real、模倣学習、Control as Inference、世界モデルなどをカバーします。深層学習の基礎を習得済みの学生さんはぜひご応募を！（10/25（月） 10:00〆切）（1/2）https://t.co/oNMfDwpEw8 — 東京大学 松尾研究室 (@Matsuo_Lab) October 13, 2021 東京大学 松尾研究室は、ディープラーニング（深層学習）を用いた強化学習に特化した全6回のオンライン講座「深層強化学習 オータムセミナー2021」の受講生を募集開始した。対象は学生（大学院、大学、高専、専門学校、高校、中学など）。募集締め切りは10月25日（月）の10時00分まで。受講料は無料。 離散制御や連続値制御、モデルベース学習な
AIベンチャーのユーザーローカルは12月23日、ディープラーニングの技術を活用し、人の顔写真から被写体の感情と性別を判定する「ユーザーローカル 表情推定AI」を発表した。同日から公式サイトで一般公開する他、法人・外部サービス向けに組み込み可能なWeb APIも提供する。利用料は無料。 判定できる感情は「喜び」「怒り」「悲しみ」「驚き」「無表情」の5種類。デジタル広告を見た人の反応を分析したり、ゲームプレイヤーの感情の変化を把握したり、街中で困っている人を検知したり――といった用途を見込む。 施設の来訪者の満足度調査や、接客業に従事するスタッフの表情トレーニングにも活用できるとしている。 ITmedia NEWS編集部が、笑顔の女性とイライラしている男性の写真素材を読み込ませた結果、いずれも「女性 喜び」「男性 怒り」と正確に判定した。 関連記事 宿泊客の入退室、チェックアウトを顔認証で 道
一般社団法人の日本ディープラーニング協会（JDLA、東京・港）は1日、ChatGPT（チャットGPT）をはじめとする生成AI（人工知能）の利用ガイドラインを発表した。セキュリティーや著作権といった押さえるべきポイントを盛り込み、生成AIの導入を検討する企業や団体がルールを定める際の参考にしてもらう。ガイドラインはチャットGPTの急速な普及を受けて策定した。「第1版」とし、生成AIのバージョンア
歴史をたどってディープラーニングを学ぶ第六回 M対Nのコンボリューションでカラー画像を扱う - Sansan Tech Blog
こんにちは、ニューラルネット老人こと糟谷勇児です。 今回は色について考えていきます。 色を扱うのは難しい 画像認識といえば色の活用が重要そうですが、実際は一筋縄ではいきません。 私が新入社員だったころのことです。 中国人の先輩が画像検索エンジンを作っていました。その際、色は使用せず、輝度の変化のみを使用していました。 私は「色は使わないんですか」と尋ねたところ、「Color is artificial」という答えが返ってきました。 なるほど、色の見え方は人間とそれ以外の動物では全然違うといわれています。 もちろん人間同士でも、人種や性別、色覚特性などによって色の見え方はかなり変わってきます。 色というものは人間の感性に大きく依存するもので、独立した物理現象としてみるのは難しいのかもしれません。 前職の別の案件で、顔検出を行う際に肌色領域に絞ることで高速化できないのかという検討が行われたこと
NECは2019年8月19日、学習データ量が従来の半分程度でも高い識別精度を維持できるディープラーニング技術を開発したと発表した。ディープラーニングを適用するシステムの開発期間を短縮できるとしている。 中間層の特徴量を意図的に変える ディープラーニングは、入力層、中間層（隠れ層）、出力層という、大きく分けて3層構造を採る。そのうち中間層では、人工ニューロン（シグモイドニューロン）と呼ばれる脳の仕組みを模したモデルを複数組み合わせてニューラルネットワークを構成する。 NECが開発した技術は、この中間層で得られる特徴量を意図的に変化させることで、識別に失敗しやすい「苦手な学習データ」を集中的に人工生成して識別精度を高める。NECは、同社が開発した技術を「MNIST」と呼ぶ手書き数字認識に適用したところ、学習データ量が半分でも従来の技術と認識精度が変わらないことを確認したとしている。
ニューラルネットワークとは何か? ニューラルネットワークの定義 演習3-1. 入力と出力を定義する ニューラルネットワークはなぜこれほど流行しているのか? 演習3-2. 損失を定義する 簡単なニューラルネットワーク 演習3-3. ニューラルネットワークを手計算する 演習3-4. ニューラルネットワークをPythonで計算する ニューラルネットワーク学習のしくみ 最適化問題と勾配降下法 勾配降下法を使う 演習3-5. LMSEを計算する 演習3-6. 偏微分を計算する 演習3-7. ∇LMSEを計算する 演習3-8. 勾配降下法の練習 ニューラルネットワークを実装する 単一ノードの学習 演習3-9. 勾配降下法をPythonで実行する ノードの数を増やす 演習3-10. レイヤーのデータ構造を推測する 演習3-11. Layer クラスを使う 多層化する (誤差逆伝播法) 演習3-12. ニ
ディープラーニング技術が世の中で爆発的な関心を集めてから数年が経過した。当時と比べると、予想通りになったこと、予想通りにならなかったこと、分野によっても業種によっても様々な見方がある。そんな中で、我々マシンビジョンの世界においても、霧がだいぶ晴れて、現実の世界が見えてきた、そんな風に感じている。今回は、2021年2月時点での、マシンビジョン業界におけるディープラーニングの現状を共有し、今後どんな成長を遂げていくのか考えていきたい。 まずは、ディープラーニングの未来像とは何だったのか、ここから整理していきたい。ディープラーニングの理想系は、「2、3枚の画像でトレーニング完了」、ということであった。しかしマシンビジョンの市場においては、その理想系はかなり未来の話であることがわかった。それでも、ディープラーニングの技術を何とか工夫して現場に適応しようと苦労を重ねてきた数年だったのではないだろうか
ディープラーニングって聞いたことがあるけど、しっかり理解している人は少ないのではないでしょうか？ AIとか、機械学習とかいろんな単語が乱立していますし、分かりづらいですよね。実際にどんなことに活用できて、効果あるのかとか知らないですよね。 本記事では、ディープラーニング自体の説明から、仕組み、活用事例まで網羅的に解説しています。 ディープラーニングの事を初心者の方でもわかりやすく、解説しているので、最後まで読んでもらうと基本的な知識はつくはずです。 ぜひ最後までご覧ください。 ディープラーニングとは? 簡単にいうと… ディープラーニングとは人間が手を加えなくてもコンピュータが自動的に大量のデータからそのデータの特徴を発見する技術のことです。 以下の画像からディープラーニングの位置付けを理解できると思います。 人工知能＞機械学習＞ディープラーニングであり、ディープラーニングは機械学習の一技術
『PyTorchとfastaiではじめるディープラーニング ―エンジニアのためのAIアプリケーション開発』 Jeremy Howard, Sylvain Gugger 著、中田 秀基 訳 2021年5月27日発売予定 576ページ（予定） ISBN978-4-87311-942-7 定価4,180円（税込） 本書は、ディープラーニングのトレーニングコースを提供するサイトfast.aiの創始者らが、PyTorchとその上に構築されたライブラリfastaiを用いてディープラーニングを行う方法を解説するものです。特別な訓練や数学の深い知識がなくても実践できるように、平易な言葉と数多くの図でていねいに説明しています。本書で扱うトピックは非常に幅広く、コンピュータビジョン、自然言語処理、協調フィルタリングによるモデルの訓練、精度、速度、信頼性の向上、実用アプリケーションの作成のほか、データ倫理、性能
はじめに ポケモンについて何となく知っている人向けの記事です（デジモンは知らなくてOK） ３月ごろにポケモンたかさおじさんが集計したアンケートの分析をお手伝いしたところ、アンケートの自由記述回答の6353件中、155件もデジモンについて言及するコメントがあった。 「デジモンと区別付かないよね」 「もはやポケモンじゃない…。デジモン…。昔のデザインに戻ってほしいなぁ…。。。」 「主観ですが、伝説のポケモンが角張った印象で、デジモンのような印象を受ける。」 「全体的に毛がなさそうなツルッとしたフォルムの子達が増えた気がします。デジモンっぽい」 「デザインがごちゃごちゃしすぎて子供が描くのが難しい デジモンに近くなってきている」 「ダイパまでのデザインがポケモンっぽいデザイン。それ以降はデジモンみたいな雰囲気。」 私は幼少期からポケモンには触れてきたが、デジモンにはあまり縁がなかったため、 デジ
NVIDIA、Kaolin PyTorch ライブラリ によって 3D ディープラーニング研究を容易に | NVIDIA
NVIDIA、Kaolin PyTorch ライブラリ によって 3D ディープラーニング研究を容易に by NVIDIA Japan · November 27, 2019 3D コンピューター ビジョンと AI 分野の研究成果は、2 棟の超高層ビルのように隣り合わせに積み上げられてきました。しかし、そそり立つ両塔を行き来するには、何十もの階段を上り下りする必要がありました。 この隔たりを埋めるため、NVIDIA はこのたび、3D モデルをニューラルネットワークの世界に数ステップで処理する Kaolin をリリースしました。 Kaolin は PyTorch のライブラリとして実装されており、3D モデルをディープラーニング用に準備する処理を、300 行のコードからたった 5 行に削減できます。 複雑な 3D データセットも、それがどう表現されていて、どうレンダリングされるかにかかわらず
この記事の対象者 記事を書く目的 AIやディープラーニングという言葉が世にはびこって久しいですが、本当に意味をわかって話している人は少ない印象です。 いまの日本のように「AIには何ができるのか」という議論がテキトーになされている状態は非常に危険だと私は思います。 なぜ、このようにAIについてテキトーな議論がなされているかというと、機械学習の数学的な基礎をみなさんがきちんと理解していないからだと思っています。 基礎的な理論を理解さえしていれば、AIには何ができるのか、今後どのように進歩していくのかを簡単に予想できるはずです。 対象者 & 機械学習を学ぶためにあったほうがいい知識など この記事は、AIってよく聞くけどあんまりよくわからないなと思っているすべての人が対象です。 機械学習、中でも特にディープラーニングは、高校数学程度の知識があれば十分に理解可能です。 とはいえ、微分ぐらいは理解でき
ドワンゴは3月25日、オンラインイベント「ニコニコネット超会議2020」（4月12～19日）で生放送する「超歌舞伎」の詳細を発表した。新型コロナウイルスの感染拡大を受け、18日と19日に無観客の公演を無料で生配信する。AI技術を活用し、主演の中村獅童さんが視聴者のコメントを身にまとう演出も採り入れる。 超歌舞伎は、伝統芸能の歌舞伎とテクノロジーを融合したイベント。今年は「御伽草紙戀姿絵」（おとぎぞうしこいのすがたえ）と題する演目で、CGキャラクターの初音ミクが初の悪役に挑戦し、主演の中村獅童さんが1人2役を務める。 NTTの映像通信技術「Kirari!」を使った演出として、ディープラーニングを用いた「スタイル変換技術」を活用。ある画像の特徴をAIで捉え、他の画像の特徴と入れ替えられる技術という。例えばちぎり絵の画像と炎の画像を組み合わせると、ちぎり絵の形のまま炎を想起させるようなデザインの
ユニットコムは9月18日、「iiyama PC」ブランドのディープラーニング専用シリーズ「DEEP∞」から、17.3型ノートPC「DEEP-17FG102-i7-VORVI」を発売した。BTOに対応し、標準構成価格は313,178円（税込）。 DEEP-17FG102-i7-VORVI 17.3型ディスプレイを備えるAI開発・ディープラーニング向けのノートPC。最新の開発環境がローカルで使える「NGC（NVIDIA GPU Cloud）」の設定サービスが付属する。OSはUbuntu16.04で、GPUドライバとNVIDIA Docker（Docker CE）の設定サービスが含まれており、マニュアルに従ってNGCへの登録や各コンテナをダウンロードするだけで、ディープラーニングの学習をはじめられる。ディスプレイは解像度1,920×1,080ドットの非光沢で、144Hzのリフレッシュレートに対応
2Dアニメーション ソフト ソフトウェア＆ツール-Software&Tool Toon Boom Studio Reel 2024 - 2Dアニメ制作ソフト「... 2024-05-04 2Dアニメーション向けソフトを幾つも開発・販売しているToom Boom Studioによる製品採用事例紹介リール『Toon Boom Studio Reel 2024』が公開されました。 続きを読む Blender アドオン プラグイン＆アドオン-Plugin&Addon True-Assets V4.5 - アセットライブラリへの登録＆管理を簡略化す... 2024-05-04 True-VFXとAmandeep氏によるコラボ開発のアセットライブラリBlenderアドオン最新アップデート「True-Assets v4.5」が公開されました！ 続きを読む
ディープラーニング画像認識市場は2023年度まで年率95.1％で急成長─ミック経済研究所 | IT Leaders
IT Leaders トップ ＞ テクノロジー一覧 ＞ AI ＞ 調査・レポート ＞ ディープラーニング画像認識市場は2023年度まで年率95.1％で急成長─ミック経済研究所 AI AI記事一覧へ [調査・レポート] ディープラーニング画像認識市場は2023年度まで年率95.1％で急成長─ミック経済研究所 2019年10月1日(火)日川 佳三（IT Leaders編集部） リスト ミック経済研究所は2019年10月1日、ディープラーニング（深層学習）を活用した画像認識の市場規模とトレンドを分析した資料「AI（ディープラーニング）活用の画像認識ソリューション市場の現状と展望 2019年度版」を2019年9月17日に発刊したと発表した。2018～2023年度まで年平均成長率95.1％増を続け、2023年度には1500億円市場になる。 ミック経済研究所によると、ディープラーニング（深層学習）を活
ディープラーニングを中心とする技術による日本の産業競争力の向上を目指す「日本ディープラーニング協会」（理事長：松尾 豊 東京大学大学院工学系研究科 教授、以下JDLA）は、2023年の年頭にあたり謹んで新年のご挨拶を申し上げます。 皆様、あけましておめでとうございます。 昨年は、ディープラーニングのインパクトが改めて大きく認識された年でした。大きくは、画像生成AIと、ChatGPTに代表される大規模言語モデルの２つが大きく注目を集めました。皆様はどのようにこうした技術をご覧になられていたでしょうか。 画像生成AIは、OpenAIのDALL·E 2、少人数の研究所で運営するMidjourney、ロンドンのスタートアップの提供するStable Diffusionなどが次々とリリースされました。Diffusion Model（拡散モデル）という技術で、画像の修正を段階的に行うことで、ユーザが入力
ディープフェイクと生成ディープラーニング
上の画像は本物の人間の写真のように見えるが、実は、写真に写っているのはすべて実在しない人物だ。全てGANと言われるディープラーニング技術を用いて生成された人物写真である。GANは2014年に当時モントリオール大学で研究をしていたIan Goodfellow氏やYoshua Bengio氏らの研究グループによって、最初のモデルが発表された[2]。その後、ディープラーニング向けのGPUの計算能力が大幅に向上する中で、世界中の研究者がモデルの改良を進め、GANの技術は指数関数的な勢いで進化した。現在では、人間が識別できないほど高精細でリアルな画像を生成できるだけでなく、リアルタイムで動画を変換したり、テキストから画像を生成することも可能だ。ディープラーニングの権威の一人であるYann LeCun氏は、「GANはこの10年間で最も興味深いアイデアである」と語っている。その一方で、急激な技術の進化は
CuPy 入門¶ CuPy は NumPy と高い互換性を持つ数値計算ライブラリです。 NumPy で提供されている多くの関数を NVIDIA GPU (Graphics Processing Unit) で実行することで簡単に高速化できるように設計されています。 GPU とは¶ GPU (graphics processing unit) は 3D グラフィックスの描画や、画像処理を高速に計算できるように設計された演算装置です。 一方、一般的な計算で使用される CPU (central processing unit) は、幅広く様々な処理で利用されることを想定して設計されています。 そのため、GPU と CPU ではそれぞれ、得意な計算の種類が異なります。 GPU は、条件分岐を多用するような複雑な計算には向かない一方、行列計算のようなシンプルな計算を大量に並列処理する必要がある場合は
ディープラーニングで物体検出が手軽にできる「Object Detection Tools」をTensorFlow 2.xに対応しました - karaage. [からあげ]
素材提供：「変デジ研究所」 ロンスタさん 「Object Detection Tools」とは TensorFlowで物体検出するためのライブラリ「Object Detection API」を簡単に使えるようにするためのツール（スクリプト・設定集）です。詳細は以下記事参照ください。 「Object Detection API」がTensorFlow 2.xに対応するということで、「Object Detection Tools」も1部TensorFlow 2.xに対応しました。 詳しくは、Qiitaに記事を投稿しているので参照ください。 本当はこんなに一気にやるつもりなかったのですが、つい一気に土日の空き時間を全て費やしてやってしまいました。 気になっていた、EfficientDetやCenterNetも使えるので良い感じです。EfficeintDetは、小さいモデルだと速度も良い感じですね
![ディープラーニングで物体検出が手軽にできる「Object Detection Tools」をTensorFlow 2.xに対応しました - karaage. [からあげ]](https://cdn-ak-scissors.b.st-hatena.com/image/square/44dd2af3608d7be8b6a6b6f23801c3fc1614b5cf/height=288;version=1;width=512/https%3A%2F%2Fcdn-ak.f.st-hatena.com%2Fimages%2Ffotolife%2Fk%2Fkaraage%2F20200712%2F20200712224305.png)
はじめに この記事では画僧分析の入門としてKaggleの開発環境(Kernel notebook)とKerasを用いたMNISTデータセットの分類を紹介します。 Kaggle上ではKernelを公開しているので、自分でも動かしたい場合などは併せてご覧になってください。 https://www.kaggle.com/taiga518/keras-deep-learning 間違い、質問、コメントなどあればぜひお声がけください。 LGTM頂けると励みになります！ Kaggleとは Kaggleはオンラインで行う世界最大の分析コンペティションです。 また、分析にすぐに取り組めるKernel notebookというオンライン開発環境が用意されており、データ分析の入門には最適だと思います。 本記事ではKaggleに既に登録しており、Kernelの使い方がわかる方を対象にしています。 （ご存じない方も
パラメータ数の計算まとめ NN , CNN , Embedding , SimpleRNN, LSTM, GRU CNN, NN(Dense) model = models.Sequential() model.add(layers.Conv2D(32, (3, 3), activation='relu', input_shape=(150, 150, 3))) model.add(layers.MaxPooling2D((2, 2))) model.add(layers.Conv2D(64, (3, 3), activation='relu')) model.add(layers.MaxPooling2D((2, 2))) model.add(layers.Conv2D(128, (3, 3), activation='relu')) model.add(layers.MaxPoolin
![[図解]ディープラーニングのパラメーター数ってどうやって数えるんだっけという人へ - Qiita](https://cdn-ak-scissors.b.st-hatena.com/image/square/cf301be6cca304f7ed2f2fa376a2a832507be237/height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fcdn.qiita.com%252Fassets%252Fpublic%252Farticle-ogp-background-412672c5f0600ab9a64263b751f1bc81.png%3Fixlib%3Drb-4.0.0%26w%3D1200%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-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%26mark-x%3D142%26mark-y%3D57%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZoPTc2Jnc9NzcwJnR4dD0lNDBQaG9lYm9vb28mdHh0LWNvbG9yPSUyMzIxMjEyMSZ0eHQtZm9udD1IaXJhZ2lubyUyMFNhbnMlMjBXNiZ0eHQtc2l6ZT0zNiZ0eHQtYWxpZ249bGVmdCUyQ3RvcCZzPTliMjZmYzAzZWI0ZTc0ZTA3MmEzM2FmMTg3ZTAwOTBk%26blend-x%3D142%26blend-y%3D486%26blend-mode%3Dnormal%26s%3D5d4031ad026b272f946f72acf32e2e19)
理数系ネタ、パソコン、フランス語の話が中心。 量子テレポーテーションや超弦理論の理解を目指して勉強を続けています！ 「ディープラーニングと物理学 原理がわかる、応用ができる：田中章詞、富谷昭夫、橋本幸士」（Kindle版）（参考書籍） 内容紹介： 人工知能技術の中枢をなす深層学習と物理学との繋がりを俯瞰する。物理学者ならではの視点で原理から応用までを説く、空前の入門書。物理は機械学習に役立つ!機械学習は物理に役立つ! 2019年6月22日刊行、286ページ。 著者について： 田中章詞： 研究者情報、arXiv.org論文 博士(理学)。2014年大阪大学大学院理学研究科物理学専攻博士後期課程修了。現在、理化学研究所特別研究員(革新知能統合研究センター/数理創造プログラム) 富谷昭夫： ホームページ、Twitter: @TomiyaAkio、arXiv.org論文 博士(理学)。2014年大
現在、野生のアフリカゾウは個体数が減少し、IUCN（国際自然保護連合）レッドリストでは絶滅危惧種の危急種に指定されている。 種を救うためには、正確な個体数や生息場所の監視が必要だ。このほど英バース大学の研究者らは、本来人間が行うモニタリング法よりも容易にできる衛星カメラとディープラーニングを組み合わせた監視方法に初めて成功したことを発表した。『C Net』などが伝えている。
マサチューセッツ工科大学(MIT)のコンピュータサイエンス・人工知能研究所(CSAIL)とカタール・コンピューティング・リサーチ研究所(QCRI)の研究者が、高解像度の衝突リスクをディープラーニングで予想するモデルを開発しました。このモデルは、過去の自己データや道路地図、衛星画像などから、交通事故が起こるリスクの高いエリアを特定し、将来の事故を予測するリスクマップを作成することができます。 Inferring High-Resolution Traffic Accident Risk Maps Based on Satellite Imagery and GPS Trajectories - He_Inferring_High-Resolution_Traffic_Accident_Risk_Maps_Based_on_Satellite_Imagery_ICCV_2021_paper.p
RUTILEA（ルティリア） は、AI／ディープラーニングを用いた「ピッキング自動化ソフトウェア」を開発し、オープンソースとして公開した。 同社は、オープンソースを活用し、センシング、ロボティクスにおいて優れた製品を企画販売することを目的とした京都大学発のベンチャー企業。今回、同社のAI／ディープラーニングによりファクトリーオートメ—ションを実現するための汎用ソフトウェア 「SDTest」、DOBOT Magicianなどの協働ロボットアーム、照明などを組み合わせることによって、ばら積み状態からのピッキング、撮影、外観検査の自動化を可能にした。 従来、ばら積みピッキングは高精度な3次元カメラが必要だったが、市販のカメラと距離センサーのみで自動ピッキングができる。 2020年1月に開催されたオートモーティブワールドでは、複雑な3次元構造をしたダイカスト製品のピッキング、撮影、外観検査までの実
G検定（JDLA ディープラーニング ジェネラリスト検定）。 勉強してみると分かるのですが、色々不思議な用語が出てきて結構面白いです。 今回はその中でも特に謎の多い「バーニーおじさんのルール」について色々調べてみました。 結果、バーニーおじさんの正体は、米スタンフォード大学の教授「Bernard Widrow」さんでした。 また本人に対して、なぜ「おじさん」なのか？メールで確認中。 記事を書いた人 大手IT企業でデータサイエンスを活用した分析業務に携わっています。 元営業という経歴を活かしながら、金融・製造・流通業のお客様を中心にAI活用コンサルや定着支援・人材育成の支援をしたり、講演や執筆活動など幅広く活動しています。
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
M1 Macbook Air でふかうら王（やねうら王ディープラーニング版）を動かしてみた | ず’s 将棋
クラウドGPUをディープラーニング向けに安く使う方法【GCP/AIプラットフォーム】
あらゆるシーンで活躍するAIを支える「NVIDIA×ディープラーニング」 | IoT NEWS
「コンピュータ技術最新トレンド」レポ―半導体プロセスの行き詰まりやディープラーニングなどを昨今のテクノロジー事情語る【CEDEC 2019】 | GameBusiness.jp
Amazon.co.jp: 物体検出とGAN、オートエンコーダー、画像処理入門 PyTorch/TensorFlow2による発展的・実装ディープラーニング: チーム・カルポ: 本
松尾豊氏が企画、ディープラーニングを用いた強化学習を学べる無料講座 東大生以外も受けられる | Ledge.ai
人の顔写真を分析、感情を判定 ディープラーニング活用の無料サービス登場 「喜び」「怒り」など5種に対応
ディープラーニング協会、生成AI利用のガイドライン発表 - 日本経済新聞
「半分の学習データ量」で高い識別精度を維持するディープラーニング技術を開発 NEC
第3回 なぜニューラルネットワークで学習できるのか? / 真面目なプログラマのためのディープラーニング入門
日本メーカーが大苦戦!マシンビジョンの世界で何が起きているのか？(17) ディープラーニングの限界を“今”超えるには
ディープラーニングとは【初心者必読】｜基礎知識からAIとの違い、導入プロセスまで細かく解説 | AI専門ニュースメディア AINOW
5月新刊情報『PyTorchとfastaiではじめるディープラーニング』
最近のポケモンはデジモンっぽいのか、ディープラーニングに聞いてみた - Qiita
機械学習・ディープラーニング初心者のためのおすすめ勉強順序 - Qiita
「超歌舞伎」無観客の公演を生配信 ディープラーニングを使った新たな演出も
iiyama PC、ディープラーニング向けの17.3型ノートPC
bRigNet - 注目のディープラーニングを用いた自動リギング技術！Blender向けにアドオン化した人が現れました！
2023年 年頭所感 日本ディープラーニング協会理事長 松尾豊より
CuPy 入門 — ディープラーニング入門：Chainer チュートリアル
KaggleとKerasで始めるディープラーニング画像分析 - Qiita
「デジタルリテラシー協議会」設立、全ビジネスパーソンが持つべき共通リテラシー「Di-Lite」を定義 データサイエンティスト協会、ディープラーニング協会、IPAが参加
[図解]ディープラーニングのパラメーター数ってどうやって数えるんだっけという人へ - Qiita
ディープラーニングと物理学 原理がわかる、応用ができる：田中章詞、富谷昭夫、橋本幸士 - とね日記
NTT、分散配置されたデータから安定したディープラーニングが可能な技術
宇宙の中心で象を数える。衛星カメラとディープラーニングを使用した画期的な個体数の調査法が開発される : カラパイア
Amazon.co.jp: 今すぐ試したい! 機械学習・深層学習(ディープラーニング) 画像認識プログラミングレシピ: 川島賢: 本
ディープラーニングで交通事故の発生を高精度で予測するモデルをMITが開発
RUTILEA、AI／ディープラーニングを用いた「ピッキング自動化ソフトウェア」開発｜fabcross
バーニーおじさんの正体はスタンフォード大学の教授（JDLA ディープラーニング ジェネラリスト検定）