ヘビーユーザーが解説するPyTorch Lightning - JX通信社エンジニアブログ
こんにちは！私はファンヨンテと申します！JX通信社で機械学習エンジニアを行っております！ 私はPyTorch Lightningを初めて使ったときの便利さに感動した以来、PyTorch Lightningのヘビーユーザーです！ この解説記事ベビーユーザーの私が皆様にPyTorch Lightningを知っていただき、利用のきっかけになってほしいと思って公開しています！ 今回の解説記事のサンプルコードはこちらにあります。ぜひ、実際のコードを手にとって体験しPyTorch Lightningの素晴らしさに触れてみてください！ この記事内容は１３回のMLOps勉強会で発表しました！ speakerdeck.com 読者の対象 PyTorch Vs PyTorch Lightning PyTorch について PyTorch Lightningについて JX通信社でPyTorch Lightnin
【PyTorch+LSTM】LSTMの仕組みと米国株予測の実装 - ころがる狸
おはようございます。ゴールデンウイーク最終日です。連休中に時系列データ解析を中心に記事を書き、ARIMAモデル、状態空間モデル、次元圧縮、人口推移の可視化、そして本稿のPyTorchによるLSTMの紹介記事をまとめました。今日このトピックを取り上げた理由としては、機械学習フレームワークとしてTensorFlowとPyTorchが最有力ですが、時系列データ解析のPyTorchでの実装例がウェブを調べても意外と多くないなと感じたからです。また私はこれまでChainerという和製のフレームワークを使っていましたが、開発がストップしてしまったため類似した記法を採用しているPyTorchにシフトする必要があり練習がてら使ってみようと思った次第です。 ・・・ １．LSTMの仕組みの解説 ２．解析対象データ ３．PyTorchによる実装 データの読み込み 適当な時系列データへ変換 データセットの定義 モ
[Pytorch] torch.catの動きを理解する - Qiita
はじめに PyTorchの公式(1)にあるtorch.catの例だけでは良く分からなかったので他の例を使って理解するための書き残しです． sample code import torch input1 = torch.randn(2, 3, 4) input2 = torch.randn(2, 3, 4) input3 = torch.randn(5, 3, 4) input_list = [input1, input2, input3] output1 = torch.cat(input_list, dim=0) print(output1.size()) # torch.Size([9, 3, 4]) output2 = torch.cat(input_list, dim=1) # error print(output2.size()) output3 = torch.cat(inpu
![[Pytorch] torch.catの動きを理解する - Qiita](https://cdn-ak-scissors.b.st-hatena.com/image/square/1a0663a71818e92a8fbd4ea74a223ebc47a9f725/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-9f5428127621718a910c8b63951390ad.png%3Fixlib%3Drb-4.0.0%26w%3D1200%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTkxNiZoPTMzNiZ0eHQ9JTVCUHl0b3JjaCU1RCUyMHRvcmNoLmNhdCVFMyU4MSVBRSVFNSU4QiU5NSVFMyU4MSU4RCVFMyU4MiU5MiVFNyU5MCU4NiVFOCVBNyVBMyVFMyU4MSU5OSVFMyU4MiU4QiZ0eHQtY29sb3I9JTIzMjEyMTIxJnR4dC1mb250PUhpcmFnaW5vJTIwU2FucyUyMFc2JnR4dC1zaXplPTU2JnR4dC1jbGlwPWVsbGlwc2lzJnR4dC1hbGlnbj1sZWZ0JTJDdG9wJnM9NGJlYWM0MjNhMzMwYTg3ZDE4OThhZGExYzU3N2E5NTg%26mark-x%3D142%26mark-y%3D112%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTcxNiZ0eHQ9JTQwSGFhYW1hYWFhYSZ0eHQtY29sb3I9JTIzMjEyMTIxJnR4dC1mb250PUhpcmFnaW5vJTIwU2FucyUyMFc2JnR4dC1zaXplPTMyJnR4dC1hbGlnbj1sZWZ0JTJDdG9wJnM9YWQ4ZDgxYTk3YmE5OWRjYjZiYWFjNzA0YjZiN2M2NzY%26blend-x%3D142%26blend-y%3D491%26blend-mode%3Dnormal%26s%3D3e6f42a12c9bab147db265becd22a0c5)
メモ: PyTorch TensorDataset、DataLoader について - 化学系エンジニアがAIを学ぶ
はじめに PyTorchのtorch.utils.data.TensorDataset、torch.utils.data.DataLoaderの使い方についてのメモを記す。 torch.utils.data.TensorDataset 同じ要素数の2つのtensorを渡し、その組を得る。 import numpy import torch import torch.utils.data x = numpy.array([[1], [2], [3], [4], [5], [6]]) y = numpy.array([[10], [20], [30], [40], [50], [60]]) x = torch.tensor(x) y = torch.tensor(y) dataset = torch.utils.data.TensorDataset(x, y) 中身をそのまま表示させると、Te
第1回 難しくない！ PyTorchでニューラルネットワークの基本
PyTorchの習得は、シンプルなニューラルネットワーク（NN）の、まずは1つだけのニューロンを実装することから始めてみよう。ニューロンのモデル定義から始め、フォワードプロパゲーションとバックプロパゲーションといった最低限必要な「核」となる基本機能に絞って解説。自動微分についても簡単に触れる。 連載目次 人気急上昇の「PyTorch」を使いたい。そう考えて、PyTorchの公式チュートリアルを開いて学習を始めてみた、という人は少なくないだろう。しかし、挫折してしまったり、なかなか進まなかったり、という人も少なくないのではないだろうか。 というのも、その公式チュートリアルの、最初の「テンソル」解説だけは（NumPyライクな直観的なAPIなので）難しくないとしても、次が「Autograd（自動微分）」、その次が「ニューラルネットワーク」……と言いつつも、いきなり「CNN（畳み込みニューラルネッ
プロ将棋棋士の直観は脳の尾状核 | Science Portal - 科学技術の最新情報サイト「サイエンスポータル」
プロ将棋棋士の直観は大脳基底核の尾状核がかかわっていることを、理化学研究所脳科学総合研究センターの研究チームが突き止めた。長年の集中的な練習によりプロ棋士にはアマ棋士にはみられない特異な思考の回路ができている、と研究チームは見ている。 脳科学総合研究センターの田中啓治・認知機能表現研究チームリーダー、万小紅(Xiaohong Wan)研究員と程康(Kang Cheng)機能的磁気共鳴画像測定支援ユニットリーダーらは、富士通、富士通研究所、日本将棋連盟と共同で、将棋のプロ棋士が局面の状況を判断し、最善の指し手を決める一連の脳の情報処理をどのように行っているか、機能的磁気共鳴画像(MRI)という手法を使って解明する研究を進めている。 まず、4-7段のプロ棋士11人と、高段位アマ棋士8人(3-5段)、中段位アマ棋士9人(2級-初段)に実戦的な将棋の盤面(序盤と終盤)を見せたところ、大脳頭頂葉の後
torch.nn — PyTorch 2.1 documentation
Community PyTorch Governance | Build + CI PyTorch Contribution Guide PyTorch Design Philosophy PyTorch Governance | Mechanics PyTorch Governance | Maintainers Developer Notes CUDA Automatic Mixed Precision examples Autograd mechanics Broadcasting semantics CPU threading and TorchScript inference CUDA semantics Distributed Data Parallel Extending PyTorch Extending torch.func with autograd.Function
メタバースヨコスカ AIアバター「えーあいそーだんいん」実証実験開始！
まめひなた©もち山金魚 ・「メタバースヨコスカ」は都市魅力の発信と観光PRを目的とした取り組み ・自治体で初めてChatGPTを導入したことでも知られている自治体 ・「まめひなた」がAIアバターとなり、あなたのVR生活をサポート！リアルなヨコスカの観光案内も行います！ 「えーあいそーだんいん」について 横須賀市では、昨年度より開始したメタバースヨコスカプロジェクトにおいて、AIアバター「えーあいそーだんいん」を試験運用いたします。 「えーあいそーだんいん」は、対話システムの開発協力として、うな技研のうえぞう氏（植木 悠二氏）を迎え、 かめ山氏による大人気アバター「まめひなた」（©もち山金魚）で実施することとなりました。 「えーあいそーだんいん」は、観光案内や、メタバースヨコスカについてのご案内、雑談などが可能です。 かわいらしいまめひなたが話す姿をぜひご覧ください！ 試験運用期間 2024
MetaQuest2(OculusQuest2)へのSideQuest導入手順ご紹介。開発者登録から非公式アプリの入れ方まで全部解説
SideQuestとは OculusQuestにアプリを導入する際はOculusストアを経由すると思います。 OculusストアはFacebook社がばっちり審査したハイレベルなコンテンツしか配信されていません。 一方、SideQuestはFacebook社非公認のアプリストアです。 厳しい審査を抜けていないぶん 酔いづらく最適化されていないかも (ホラー系以外でも)突然ビックリさせてくるようなコンテンツを仕込んでるかも バグがあったりするかも と言った懸念点はあります。 しかし、開発段階のものを楽しめたり、公式ストアではとても配ることができないような尖った作品を楽しめるかもしれません。 また、OculusQuest版のBeatSaberに外部曲を追加するためにも、現状、SideQuestの導入が必要です。 SideQuestの導入手順 ではここからはSideQuestの導入手順を紹介して
Pytorchの基礎 forwardとbackwardを理解する
iris = load_iris() data = pd.DataFrame(iris.data, columns=iris.feature_names) y = iris.target y = np.identity(3, dtype=np.int64)[y] X_train, X_test, y_train, y_test = train_test_split(data.values, y, train_size=0.67, shuffle=True) print(f"X_train: {X_train.shape}, X_test: {X_test.shape}, y_train: {y_train.shape}, y_test: {y_test.shape}") X_train = torch.from_numpy(X_train).float() y_train = torch.
北朝鮮、日本アニメ制作関与か サーバーからファイル―米分析：時事ドットコム
北朝鮮、日本アニメ制作関与か サーバーからファイル―米分析 時事通信 外信部2024年04月23日10時10分配信 北朝鮮国旗（ＡＦＰ時事） 【ワシントン時事】米国の北朝鮮分析サイト「３８ノース」は２２日、日本や米国のアニメ制作に北朝鮮のアニメーターが関与した疑いがあると明らかにした。北朝鮮が管理していたとみられるクラウドサーバーに、これらアニメの関連ファイルなどが保管されていたという。 北朝鮮技術者が成り済ましか ＩＴ業界団体に注意喚起―警察庁など ３８ノースによると、関与が疑われるのは、７月放送予定のＴＶアニメ「魔導具師ダリヤはうつむかない」のほか、米アニメ「インビンシブル」などの作品。札幌市のアニメ制作会社の名前が入ったファイルもあったという。 サーバーからは、中国語や朝鮮語のコメントが記載されたアニメの画像などが見つかった。解析した米シンクタンク「スティムソン・センター」のマーティ
奇跡的イベントが発生中。2種の微生物が融合するという10億年に1度の進化が起きている : カラパイア
新たな研究によると、現在”10億年に1度の進化”が起きていることが判明したそうだ。 10億年に1度の進化とはある種の微生物の細胞が別の種の微生物の細胞に取り込まれる「一次共生」と呼ばれるものだ。これが起きたのは40億年あまりの生命の歴史においてたった2回だけで、1回目ではミトコンドリアが、2回目では植物が誕生した。 一次共生は生命の誕生に深くかかわる極めて重要なイベントで、そして今回、新たに10億年に1度の進化が確認されたのだ。それでは詳しく見ていこう。
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
「株価の予測 LSTM編」をつくりました。
GitHub - SAWARATSUKI/ServiceLogos: ロゴを可愛く作ろう 節度を持って利用してくださいね🫠
【Python】stooqコード【株解析#備忘1】 | Zackの部屋
Squeeze / unsqueezeの使い方：要素数1の次元を消したり作ったりする| WonderHorn/ふしぎな角笛
nn.Module を読んでみた · gojiteji's Blog
Oculus Quest2でデバイス内の動画、静止画を見よう
【MobileVRStation】【APK】スマホ・PC無し、"VRのみ"でAPKをインストールする方法！【META QUEST】
「スマホOS」寡占するアップル／グーグルを規制する法案、自民党でとりまとめ終わる 今国会成立へ
