でぃーぷらーにんぐのフレームワークを使う特訓用の問題集でもあって、チートシートでもあるものをつくってみました https://github.com/yoyoyo-yo/DeepLearningMugenKnock ディープラーニングの論文とかを理解するための特訓集です。自分の手で実装することを目標にしてます。 あくまで趣味ベースで作ったものなので、プルリクエストは受け付けてますが依頼などは一切受け付けません そこをご理解頂けた方のみご利用下さい ★追記 2019.11.7 Study-AI株式会社様 http://kentei.ai/ のAI実装検定のシラバスに使用していただくことになりました！(画像処理１００本ノックも） Study-AI株式会社様ではAIスキルを学ぶためのコンテンツを作成されており、AIを学ぶ上でとても参考になります！ 検定も実施されてるので、興味ある方はぜひ受けること
Google、画像をピクセル単位で把握し各オブジェクトに割り当てるセマンティックセグメンテーションCNNモデル「DeepLab-v3」オープンソース発表
Google、画像をピクセル単位で把握し各オブジェクトに割り当てるセマンティックセグメンテーションCNNモデル「DeepLab-v3」オープンソース発表 2018-03-13 Googleは、同社機械学習ライブラリTensorflow実装の画像セマンティックセグメンテーションdeep learningモデル「DeepLab-v3」をオープンソースにて発表しました。 GitHub:models/research/deeplab at master · tensorflow/models セマンティックセグメンテーションは、画像をピクセルレベルで把握し、各ピクセル１つひとつを画像内の各オブジェクト、例えば「道路」「空」「人」「犬」などのオブジェクトクラスに意味付けし割り当てることです。各オブジェクトの境界にあたる輪郭を正確に特定します。 今回発表されたDeepLab-v3は、前回のv2に比べ、
なぜかあまりやっている人を見ない、ディープラーニングを使用した株価の予想をしてみます。 ディープラーニング、Pythonともに初心者です。ライブラリ、実装方法、理論等は殆ど分かっておりません。ツッコミ等お待ちしています。 目標 数日分の株価データを使用して、翌日の日経平均株価が「上がる」か「下がる」か「変わらず」かを予想します。（分類） 概要 「上がった」か「下がった」か「変わらず」だったかの判断には翌日の終値をベースに判断。 入力データは数日前から前日までの「始値」「高値」「安値」「終値」を使用。 隠れ層は4つ。 入力として上記過去数日分の株価をぶっこんでトレーニングするだけです。 環境 TensorFlow 0.7 Ubuntu 14.04 Python 2.7 AWS EC2 micro instance 内容 準備 可能な限りの日経平均のデータを用意します。今回はYahooファイナ
.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
Research Blog: TensorFlow - Google’s latest machine learning system, open sourced for everyone
Posted by Jeff Dean, Senior Google Fellow, and Rajat Monga, Technical Lead Deep Learning has had a huge impact on computer science, making...
Tensorflowのサンプルを理解してみる。(初心者向け) - 7rpn’s blog: うわああああな日常
Googleが出したTensorflow，盛り上がり具合がやばいですね。 githubのスター数とかを見ていると，スタンダードであるChainerとかCaffeとかを(盛り上がり具合だけは)軽く越えてしまった感じ。 というわけで，MNISTの(畳み込みしているほうの)サンプルをざっと読んでみました。 備忘録がてらメモしようかな，と思ってブログにしてみます。 自分は初心者なので，まぁそのレベルで色々注をつけて行こうと思います。 Tensorflowの良かったところ 最初に，Tensorflowの良かったところを。 大規模処理で並列化とかが楽らしいんですけど，正直よく分からないです笑 コードを見て思ったのは，必要な部分だけが厳密に書かれているなーと思いました。 低い次元の記述する必要のないものはしっかり隠して，必要な記述はちゃんと書かれているってのが自分みたいな初学者には良いと思います。Cha
Stanford University: Tensorflow for Deep Learning Research
Schedule and Syllabus Unless otherwise specified the course lectures and meeting times are: Wednesday, Friday 3:30-4:20 Location: Gates B12 This syllabus is subject to change according to the pace of the class. Please post on Piazza or email the course staff if you have any question.
長文日記
Deep learningのライブラリとして有名なTensorFlowには英仏翻訳のチュートリアルがありますが、AWSのGPUインスタンスを使って英日翻訳で試してみたので紹介します。 環境 TensorFlow 0.9 AWS g2.2xlarge instance Ubuntu Server 14.04 Python 3.5 TensorFlowをAWSのGPUインスタンスで動かす方法については、以下の記事の通りに行いました。 Setting up TensorFlow 0.9 with Python 3.5 on AWS GPU-instance 初期のTensorFlowはAWSとの相性が悪くパッチを当てる必要があると言われていましたが、バージョン0.9ではすんなりとインストールできました。 注意点として、GPUインスタンスの使用にはAWS側に申請して1日ほど待つ必要があったのと、そ
「TensorFlowで学ぶディープラーニング入門 ~畳み込みニューラルネットワーク徹底解説~」が発売されます - めもめも
TensorFlowで学ぶディープラーニング入門 ~畳み込みニューラルネットワーク徹底解説~ 作者: 中井悦司出版社/メーカー: マイナビ出版発売日: 2016/09/28メディア: 単行本（ソフトカバー）この商品を含むブログを見る 表題の書籍がマイナビ出版より発売されることになりました。執筆にご協力いただいた方々には、あらためてお礼を申し上げます。販売開始に先立って、「はじめに」を掲載させていただきますので、先行予約される方の参考にしていただければと思います。 はじめに ディープラーニングの世界へようこそ！ 本書は、機械学習やデータ分析を専門とはしない、一般の方を対象とした書籍です。―― と言っても、ディープラーニングの歴史や人工知能の将来展望を語る啓蒙書ではありません。ディープラーニングの代表とも言える「畳み込みニューラルネットワーク」を例として、その仕組みを根本から理解すること、そし
Microsoft Researchは2019年6月25日（米国時間）、データサイエンスやディープラーニング、強化学習向けにオープンソースのデバッグ／可視化ツール「TensorWatch」を発表した。TensorWatchは「Jupyter Notebook」で動作し、機械学習（ML）トレーニングのリアルタイム可視化や、モデルとデータの重要な分析タスクを実行する。 Microsoft ResearchはTensorWatchを、「研究者やエンジニアの仕事に役立つ先進的機能を数多く提供する、デバッグツールのスイスアーミーナイフ」とうたっている。2019年6月にスペインのバレンシアで開催された「ACM SIGCHI Symposium on Engineering Interactive Computing Systems」で、TensorWatchのプレゼンテーションを行ったという。 Mic
« Let's Encrypt を簡単操作できる CLI、Lego が MyDNS に対応した。 | Main | VimConf 2018 に行ってきた。 » gobrain という Golang だけで実装されたニューラルネットワークを見つけたので遊んでみました。 GitHub - goml/gobrain: Neural Networks written in go https://github.com/goml/gobrain 作りもシンプルですし、扱い方も簡単なのでちょっとしたサンプルを書くのには向いてると思います。例えば FizzBuzz であればこんな感じ。 package main import ( "math/rand" "github.com/goml/gobrain" ) type FizzBuzz []float64 func (fizzbuzz FizzBuzz)
.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
It’s that time of week again, folks. Welcome to Week in Review (WiR), TechCrunch’s regular digest of the past week in tech. New here? Not to worry — sign up here to get WiR in your i
今更ながら、畳込みニューラルネット（CNN）の基本技術を比較します。 やりたいことは、どの技術が一番効果があるのか数値化します。 以下の流れでやっていきます。 （基本のCNN） → （Resnetの各技術を追加していく） → （+最先端技術） 基本のCNNに、Resnetに出てくる技術を追加しながら、分類精度の上昇幅を比較します。 コードはkerasで書いています。 Resnetとは 2015年に登場したモデルで、層を飛ばす仕組みを作ることで、深い層を作っても 学習可能なモデルとなりました。ディープラーニング業界では、斬新なアイデアで 革命を起こしました。 詳しくは以下の記事をご覧下さい。 https://qiita.com/koshian2/items/343a55d59d8fdc112661 データのダウンロード 使うデータはCIFAR-10です。これは、32×32サイズの画像が入った
TechCrunch
Flexible-office-space firm WeWork has filed for Chapter 11 bankruptcy protection, a remarkable collapse for the once high-flying startup co-founded by Adam Neumann and bankrolled by SoftBank, BlackRoc
［速報］Google、スマートフォン向けの機械学習ライブラリ「TensorFlow Lite」発表。DSPをアクセラレータとして利用。Google I/O 2017
［速報］Google、スマートフォン向けの機械学習ライブラリ「TensorFlow Lite」発表。DSPをアクセラレータとして利用。Google I/O 2017 Googleは5月17日（日本時間5月18日未明）から開催中の年次イベント「Google I/O 2017」にて、スマートフォンなどのデバイスで実行するアプリケーション向けの機械学習ライブラリ「TensorFlow Lite」を発表しました。 「TensorFlow Liteはアプリケーション向けのライブラリで、高速かつ軽量でありながら、ContinentやLSTMといった最新の技術を利用可能だ」（Dave Burke氏、Vice President Enginieering, Android） TensorFlow Lite同時に、機械学習などで使われるニューラルネットワークの計算をDSPによってハードウェアアクセラレーショ
DeepMindのSonnetを触ったので、TensorFlowやKerasと比較しながら解説してみた - Qiita
DeepMindのSonnetを触ったので、TensorFlowやKerasと比較しながら解説してみた機械学習DeepLearningKerasTensorFlowSonnet はじめに GoogleのDeepMindが社内的に使っている深層学習ライブラリSonnetを公開したので、試しに触ってみました。TensorFlowやKerasと比較をしながら解説していきたいと思います。まだ触ってみたばかりで細かい内容をお話することは出来ませんが、少しでもSonnetが気になっている方の力になれれば嬉しいです。 間違ってる部分や質問などありましたらコメントして頂けると幸いです。 Excited to release #Sonnet - a library for constructing complex Neural Network models in TensorFlow. Get starte
TensorFlow User Group #1を開催しました - 元データ分析の会社で働いていた人の四方山話
Googleさんのオフィスを借りて10/7に立ち上げたTensorFlow User Group(TFUG)のミートアップを開催させていただきました。 GoogleのGregさん初め、非常に豪華なスピーカーを招いて開催できました。 tfug-tokyo.connpass.com Googleブレインチームのco-founderのGregさんの参戦によりTVの取材が入るなどしました。AIってすごいんすね。（主催者が言うな） また、山口さんの発表中にはみんなでラジオ体操も行い、一体感もかなりある会となったのではと思っています！！！ ライブ配信も行いましたので、もし参加できなかった方で興味がある方は御覧ください。なんと濃密な3hだったのか。 TensorFlow User Group #1 Gregさん、山口さん、中原さんの資料は公開されているので合わせてどうぞ。 Gregさんの資料 goo.g
Google の Tensor Processing Unit (TPU) で機械学習が 30 倍速くなるメカニズム | Google Cloud 公式ブログ
* この投稿は米国時間 5 月 12 日に投稿されたもの（投稿はこちら）の抄訳です。 Posted by 佐藤一憲, Staff Developer Advocate, Google Cloud Cliff Young, Software Engineer, Google Brain David Patterson, Distinguished Engineer, Google Brain Google 検索、ストリートビュー、Google フォト、そしてGoogle 翻訳。これらのサービスに共通するのは、いずれもニューラルネットワーク（NN）の計算処理の高速化のために Google の第一世代の Tensor Processing Unit (TPU) が用いられている点です。 Google の Tensor Processing Unit (TPU) が搭載された回路基板（左）と、 G
こんにちは、Gunosyデータ分析部に所属している森本です。 主な担当業務は記事配信アルゴリズムの改善、ログ基盤運用です。 最近良く聞く音楽はOne Direction - Live While We're Youngです。 本記事では、Sparkで利用できるDeep Learningフレームワークをまとめました。 GunosyではChainerで畳み込みニューラルネットワークを応用し、ユーザーのデモグラフィック推定を行っています。 WebDB Forum 2016 gunosy from Hiroaki Kudo Chainer以外にも多数のDeep LearningフレームワークがPythonを中心に数多く存在します。 TensorFlow, Keras, Caffe, Theanoなどなど。どのフレームワークが優れているかという回答は状況に応じて変わりますが、Pythonを使用する大
Deep Learningで遊ぶ(2): オンラインニュース人気度＋ベイズ最適化によるパラメータチューニング - 渋谷駅前で働くデータサイエンティストのブログ
追記（2016年8月22日） {rBayesianOptimization}の使い方を間違えていて、この記事の下部では実際にはテスト誤差ではなくトレーニング誤差を評価してしまっていますorz 実際にはScore返値にholdoutを入れるのが正解です。別に{rBayesianOptimization}単体で取り上げた記事を書きましたので、正しい使い方はそちらをお読みください。 Deep Learningをだらだらと実践してみるこのシリーズ、前回は分類だったので今回は回帰でやってみようと思います。お題はUCI ML repositoryの"Online News Popularity"です。とあるサイトに掲載されたオンラインニュース記事がそれぞれどれくらいシェア（おそらくSNS類に）されたかを、様々な特徴量と合わせて収めた39644行×61列のデータセットです。 元のニュース記事が非公開であ
機械学習をやってみたいけど何から初めて良いか解らないと思ったことはありますか？もしそうでしたら、この記事はそんな方に向けて書かれています！ 本記事では「TensorFlow 入門」として、Googleが提供する機械学習フレームワークである「TensorFlow」を使って、不動産価格を予測する流れをまとめました。概要は下記の通りです。 プログラミング経験がある方が対象 環境構築不要！ブラウザのみで可能 TensorFlowの基礎的な使い方が学べます 機械学習の基礎が学べます 所要時間の目安は1〜3時間程度 TensorFlow（読み：テンソルフロー）とは、グーグルによって開発された高速数値解析用のPythonライブラリです。ディープラーニングやニューラルネットワークを構築するのに使われます。また、TensorFlowをバックエンドとしたラッパーライブラリも多く出回っています。 グーグルによっ
複雑なゲームの場合は人間が実際に打った棋譜などを膨大な量用意することになりますが、今回は○×ゲームという簡単なお題を使った練習なので、筆者が予め最善手を打った場合のデータを作成しておきました。 モデルの詳細 盤面のデータをニューラルネットに入力する際には、×は「-1」、○は「+1」、空いている場合は0として扱うことにします。○×ゲームの盤面は 9マスなので、ニューラルネットの最初の層のノード数は 9 個になります。 そして、全結合のネットワークを経て最終的には、×が勝つ確率・○が勝つ確率・引き分けの確率の3つの数値が出力されるというモデルです。 図3 学習モデルの概要 TensorFlow を使った実装 本稿で使用するサンプルコードのうち、TensorFlow で記述された学習用コード train.py の重要な部分について簡単に解説をしておきましょう。 TensorFlow にはニューラ
11/9 に Google が TensorFlow という機械学習ライブラリを公開しました. 機械学習ライブラリとか言われても何だかよくわからないですね. どういうものなのか調べて報告しろとある人に脅されたので, 機械学習初心者の人向けの説明を置いておきます. ガチ勢の方はお引き取りください. 何ができるの? scikit-learn のような既存の機械学習手法の実装ではありません. 主にニューラルネットを中心とした手法を実装するためのフレームワークです. もちろんニューラルネット以外の手法を実装するためにも使えます. 平たく言えば、機械学習の手法を実装するためのパーツを集めたライブラリという認識で良いと思います. 裏を返せば「2, 3行で手軽に画像の分類ができるぜ」という類のものではないということです. なぜ実装そのものではなく実装のためのフレームワーク? ニューラルネットは非常に設計
はじめに LINE BOT AWARDS向けにレコーディングダイエットのサービスを作ってみました 料理の画像を上げるとAIが自動的に識別してカロリー情報を返却してくれるというものです 要するにこの記事はそのサービスのステマなので早速BotのQRコードを貼っておきます！ 技術的には Qiitaなので技術面をご紹介。 Tensorflow上のInception-v3で料理の判定(Gunicorn + flaskでWebAPI化） LINE Messaging APIとのやりとり部分はHubot上で動作 アダプタはこちら 管理画面はRuby on Railsでさらっと ランタイム入り乱れてて、マイクロサービスアーキテクチャって感じです 後日このあたりの詳細は別の記事にしたいなと思っています。 ＃特にInception-v3でオリジナル画像でトレーニングするのは結構大変だったのでそのへんとか。 2
Jupyterとは？ まず、Jupyterの紹介をすると、これは、Python（IPython）による対話的なデータ分析処理をWebブラウザ上の「ノートブック」で実施するツールです。下記のように、Markdownで記述した文章とコード、そして、その実行結果が記録されていきます。 作成したノートブックは、JSON形式でエクスポートしてGitHubで共有することができます。GitHubのWebサイトでは、自動的にノートブック形式にレンダリングして表示されるようになっています。現在は、Tex形式の数式がうまく表示されない問題があるようですが、下記のような感じになります。 ・ロジスティック回帰による二項分類器の作成 また、受け取ったノートブックは、自由にコードを修正して再実行することができますので、データ分析のコードとその説明をノートブックにまとめておけば、「実行できる教科書」が実現することになり
AI関連の技術が近年著しい発展を見せているのは、コンピュータの計算能力が大幅に上がったからだといわれている。AIの基礎になっているのは機械学習であり、膨大な量の計算処理を通して分類や回帰、予測といったタスクをこなす。 汎用的な計算はCPU、負荷の高い計算処理にはGPU、と一般にはこの2つのプロセッサが知られるが、実は計算処理に関して言えば、大型のスーパーコンピュータに搭載される「ベクトルプロセッサ」が近年にわかに注目を集めている。なぜなら、一般的なデスクトップPCサイズのマシンでも扱えるようになったからだ。 ベクトルプロセッサはAIの処理など、負荷の高い計算処理で他のプロセッサより格段に高い性能を見せる。DX（デジタルトランスフォーメーション）が進み、「データは石油」と呼ばれるようにデータから新たなビジネスを生み出せるようになった昨今、マシンの計算能力はビジネスの展開速度に直結する。 ベク
適当な落書きから写真のような画像に変換してくれる「pix2pix」というアルゴリズムとGoogleのオープンソースの機械学習ライブラリ「Tensorflow」をもとに開発された、一筆書きのようなラフな図形でも猫画像に自動変換してくれるツールが「edges2cats」です。簡単にかわいい猫画像が作れるようになったのかと思いきや、悪夢画像を生成するGoogleの人工知能「DeepDream」を使ったかのような猫画像が大量生産されています。 Image-to-Image Demo - Affine Layer http://affinelayer.com/pixsrv/index.html edges2catsで落書きを猫画像に変換するサンプルがコレ。2000枚の猫画像を使って機械学習させており、かなりの精度で猫画像が生成されるように見えます。 ……が、しかし、これは描き手の画力にかなり左右され
目次 イントロ ← 今ココ Scikit-learn・Keras モデルの性能指標・評価方法 データの前処理・データ拡張 早期終了(early stopping) 転移学習 ハイパーパラメータのチューニング モデル圧縮 応用 はじめに 大学3年生のとき、小林雅一『AIの衝撃 人工知能は人類の敵か』という本をなんのきなし読んだことがあります。その本の中で「最先端のAIを実装できるのは世界でも50人くらいの研究者・大学院生くらいだ」といった文章を読み、なんだかすごそうという動機で機械学習に触れ始めました。そのころちょうど、TensorFlow 0.0.5が公開されて騒がれていたことを覚えていますが、当時ディープラーニングとは何かすらまったく分かりませんでした。それから約2年の月日が経ちますが、TensorFlowをはじめとしたフレームワークの普及もあってか「最先端のAI」というものを研究し実装
Seoul-based e-commerce company Levit, an operator of the shopping app Alwayz, wants to make the shopping experience more entertaining and affordable. The two-year-old startup has recently raised $46 m
TensorFlowを遊び倒す！ 〜目次〜 - Platinum Data Blog by BrainPad
※TensorFlowとは2015年11月9日にオープンソース化されたGoogleの機械学習ライブラリです。 本ブログでは、実際のTensorFlowの使い方を連載方式でご紹介しています。 皆様こんにちは。 テクノロジー＆ソフトウェア開発本部の佐藤貴海です。 本日から「TensorFlowを遊び倒す！」と銘打って、Googleが2015年11月9日に公開した“機械知能(?)ライブラリ”のTensorFlowを入門編＆応用編にわけて、使い方をご紹介していこうと思います。 www.youtube.com http://www.tensorflow.org/ TensorFlowを何と呼ぶかは微妙なところです。機械学習ライブラリと言っているところもありますが、Getting Startedで「Hello, TensorFlow!」とやっているので、もう少し大きい概念のライブラリのようです。 とり
.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
米Googleは1月21日（現地時間）、無料オンライン学習プログラム（MOOC）UDACITYと協力し、ディープラーニングを学べる無料コース「Deep Learning：Taking machine learning to the next level」を開設したと発表した。 この短期間の集中コース（約3カ月）は、ニューラルネットワークやLong short term memory network（LSTM）など、ディープラーニングの基本を学べる。学習にはGoogleが昨年11月にオープンソース化した機械学習システム「TensorFlow」を使う。 このコースを履修すると、機械学習のナノ学位を取得できる上級コース「Machine Learning Engineer Nanodegree」（月額199ドルから）を受講できる。 Googleは「このコースの目標は、機械学習に高い関心のある人々に
TensorFlow勉強会（３） で発表予定の資料です。 http://connpass.com/event/27081/ 公開履歴 2016/03/25 ver1.0 公開 2016/03/29 ver1.1 Jupyterの紹介を追加
TensorFlowによるDeep Learningでのアイドル顔識別モデルの性能評価と実験 その2 - すぎゃーんメモ
以前に試した、アイドル顔識別の性能評価。 memo.sugyan.com それから半年以上も経ってデータ数も増えたし ちょっと確かめたいこともあったので、再び試してみた。 新データセット 前回は 40人×180件 で 計7,200件 を用意したけど、今回はもう少し多めにデータが集まっていたので(卒業などでもうアイドルではなくなってしまった子も居るけど…)、今回は 120人×200件 で 計24,000件 を抽出してデータセットを作成した。 実際にラベル付けしたデータから抽出してみると、元が同じ画像なのに加工や顔検出器のブレなどで別の顔画像として登録されてしまっているもの、明らかに同じ日・同じ場所で連写していて「ほぼ同じ顔画像」と思われるもの などの重複が結構あることに気付いて、頑張って出来る限り排除した。 前回もある程度は人力でチェックしていたけど、今回は学習済みモデルに食わせた中間層出力
TensorFlow.jsがChromeでWebWorker上でもWebGL backendで動く - すぎゃーんメモ
tensorflow.js は処理の重さ的に worker で動かしたいのだがまだ WebWorker で動かすと cpu backend に fallback してしまうので、この issue ずっとみてる https://t.co/KYGEQSFwq5— 無糖派層 (@mizchi) July 30, 2019 僕も以前にWebWorker上でTensorFlow.jsを使おうとして WebGL backendで動かないことに気付いて諦めていたのだった。 memo.sugyan.com …と思っていたのだけど、どうも先月くらいの @tensorflow/tfjs@1.2.2 あたりから ChromeではOffscreenCanvasというのを使ってWebWorker上でもWebGL backendで動くようになったようだ。 試してみたところでは 動くのはChromeのみで、Safari
TensorFlowを社内向けにざっくりLTして回帰した(＋資料とか) - 病みつきエンジニアブログ
Googleが先日「TensorFlow」という機械学習ライブラリを発表していて、話題になっています。 さっそく今日社内で紹介LTしてきました。 「社内」のエンジニアの話で言うと、機械学習の会社ではないので、機械学習とかDeep Learningとかには深掘りして話していないです。もちろん、機械学習ライブラリとかも知らない、けど、「なんかGoogleからディープラーニングをOSSで出したって話題になっているぞ」っていう感じの人向けに話しています。 TensorFlowをざっくりLTしてみた from Mitsuki Ogasawara 公式チュートリアルをちょっとだけ逸脱した線形回帰をやってみたサンプルもあります。 ちゃんと自動で微分できてます。 github.com このライブラリ、結構良いなあと思うのは、Googleが使っているという実績力かなと思います。公開初日に「Googleのプロ
GoogleがPerfumeのライブに技術提供した「Reframe Visualization」をKeras/Scikit-learnで再現する - Qiita
GoogleがPerfumeのライブに技術提供した「Reframe Visualization」をKeras/Scikit-learnで再現するPython機械学習scikit-learnKerasNK-POP Perfumeが紅白歌合戦でディープラーニングについて言及して話題になりましたが、それに関連する技術がGoogleのブログで公開されていたので再現してみました1。本来はColud Vision APIを使ったとのことですが、精度や速度を犠牲にすれば、普通のPCかつ1人でも実装できてしまいます。その方法を書いていきます。 訂正：Googleが使ったではなく、正しくはライゾマティクスに使っていただいただとのことです。失礼いたしました2。タイトルも訂正いたしました。 元ネタ こちらのブログに詳しく書かれています。 Perfume とライゾマティクスの新たな試みを支える Google の機
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
ディープラーニング∞本ノック作ったった - Qiita
ディープラーニング（TensorFlow）を使用した株価予想 - Qiita
TensorFlow で機械学習ゼロからヒーローへ
Google、オープンソースの機械学習ライブラリ「TensorFlow」のWindows版を公開
TensorFlowとGPUインスタンスで英日翻訳 - Qiita
Microsoft、オープンソースのAIデバッグ／可視化ツール「TensorWatch」を発表
Big Sky :: Golang だけでやる機械学習と画像分類
メルカリ : TensorFlow Lite で、気付きにくい便利機能をユーザーに提唱
TechCrunch | Startup and Technology News
畳込みニューラルネットワークの基本技術を比較する ーResnetを題材にー - Qiita
Sparkで利用できるDeep Learningフレームワークまとめ - Gunosyデータ分析ブログ
TensorFlowとは？不動産の価格をTensorFlowを使って予測してみよう（入門編）
第8回 TensorFlow で○×ゲームの AI を作ってみよう|Tech Book Zone Manatee
TensorFlow ってなんだろ - Qiita
人工知能はラーメン二郎を識別するか - Qiita
JupyterでTensorFlowが使えるDockerイメージ - めもめも
AI処理にGPU以外の新たな選択肢 デスクトップサイズに収まるスパコン「ベクトルプロセッサ」とは
適当に描いた図形が「ネコ」へ自動変換される「edges2cats」
怠け者のためのディープラーニング入門 - イントロ
TechCrunch | Startup and Technology News
TensorFlow 事例 : Coral を⽤いて回転寿司の会計を⾃動化するくら寿司
GoogleとUDACITY、「TensorFlow」で学ぶディープラーニング講座を開設
「TensorFlow Tutorialの数学的背景」 クイックツアー（パート1）