Windowsでのdarknetの学習済みファイルの導入と画像認識を試す！ - lisz-works
darknetによる人工知能の続きです。 darknetは、既に学習済みのYOLOというファイルも提供されています。 下準備がされたものまで込みで、提供されているってことですね。 今回はそのファイルの導入と、画像認識機能を試していきます！ darknet自体の下準備はコチラ。 www.lisz-works.com ニューラルネットのダウンロード ファイルをセット yoloの実行 結果 ほかのサンプル あとがき ニューラルネットのダウンロード まずここにアクセス。「yolo.weights」というファイルをダウンロードしましょう。 http://pjreddie.com/media/files/yolo.weights 他サイト様の例を見ていると $ wget http://pjreddie.com/media/files/yolo.weights という方法を取っていますが、wgetはLi
「深層学習による自然言語処理」を書きました
5/25に，IBMの坪井さんと，NTTの鈴木さんと書いた「深層学習による自然言語処理」というタイトルの本が発売されました． 特に昨年1年間は，土日や夜をかなり潰したので，ようやく発売されたなぁと感慨深いものがあります． 最終稿の直前で，図を差し替えたり，変な文が見つかったりしたので，まだ変な誤植があるかもしれませんし，読みにくいところもあると思います． 本の内容ですが，おおよそ2012年から2015年くらいの深層学習系の自然言語処理の流れをトレースしています． つまり，埋め込みベクトルの学習（word2vec），ニューラル言語モデル，符号化復号化モデル（encoder-decoder, sequence-to-sequence），注意機構（soft attention/hard attention）とその応用（attention encoder-decoder, memory networ
AWS Batch上で深層学習 | Amazon Web Services
Amazon Web Services ブログ AWS Batch上で深層学習 同僚のKiuk ChungがAWS Batchを使って深層学習をするという素晴らしい記事を書いてくれました。 GPUインスタンスは当然のように深層学習とペアになりますが、それはそのニューラルネットワークのアルゴリズムがGPUインスタンスの超並列処理能力を活かすことができるからです。AWSではg2やp2といったGPUインスタンスを提供しており、お客様はスケーラブルなGPUワークロードを実行することができます。AWS Batchを使うことでそのスケーラビリティをもっと効率よく使うことができます。(訳注: 丁度GTC 2017のKeynoteにて次期NVIDIA GPUであるV100に関する情報も発表されましたのでご参考頂ければ幸いです: AWS and NVIDIA Expand Deep Learning Par
GTC 2017にてAWSとNVIDIAは深層学習のパートナーシップを拡大させました | Amazon Web Services
Amazon Web Services ブログ GTC 2017にてAWSとNVIDIAは深層学習のパートナーシップを拡大させました 今年のNVIDIAのGPU Technology Conferenceにて、AWSとNVIDIAはいくつかのイニシアチブにおいてパートナーとなりました。1つ目はとてもワクワクしている最新のVoltaベースのGPUインスタンスで、LSTMの学習が3倍高速になるように、AI開発者が接する世界を完全に別物にしてしまうと我々は考えています。2つ目は、AWSで動いているDeep Learning Institute (DLI)を通じて10万人以上の開発者をトレーニングする計画を発表しました。3つ目として、広い開発者コミュニティのために深層学習を大規模にスケール可能とするツールの共同開発です。 GTCでAWSは複数のセッションを行っており、Apach MXNetを使って
GAN・VAT・ADGM・AAEでMNISTのワンショット学習
概要 様々なモデルでMNISTの半教師あり学習（10ラベル）を行った はじめに 今までに作ってきた半教師あり学習の手法を用いてMNISTのワンショット学習対決を行ないました。 用いるモデルは以下の４つです。 GAN (Generative Adversarial Network) 通常の多クラス分類器をDiscriminatorとして使う手法を用いる MNIST 100ラベルのSOTA（エラー0.93%) Improved Techniques for Training GANs 実装 VAT (Virtual Adversarial Training) データ$x$の予測分布$p(y \mid x)$と、ノイズ$r$を加えた$\bar{x} = x + r$の予測分布$p(y \mid \bar{x})$が滑らかになるように学習 最も予測分布を狂わすノイズ$r_{adv}$を誤差逆伝播で
1
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
AWS Step FunctionとLambdaでディープラーニングの訓練を全自動化する