新たにリリースされた Recraft V3 は、Hugging Face ベンチマーク・リーダーボードの txt2imge 分野で FLUX1.1[pro] よりも上位になり話題を呼んでいます。 Recraft V3 :…
新たにリリースされた Recraft V3 は、Hugging Face ベンチマーク・リーダーボードの txt2imge 分野で FLUX1.1[pro] よりも上位になり話題を呼んでいます。 Recraft V3 :…
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? これ書くだけで土日２日間まるまる潰れてしまった。 学んだ内容に沿っているので、順に読み進めるに従ってコードの話になっていきます。 Tensorflow触ってみたい/みたけど、いろいろまだ理解できてない！という方向けに書きました。 ※2018年10月4日追記 大分古い記事なのでリンク切れや公式ドキュメントが大分変更されている可能性が高いです。 この記事のTensorflowは ver0.4~0.7くらいだった気がするので ver2.0~となりそうな現在は文章の大半が何を参考にしているのか分からないかもしれません。 #1: Deep Lea
追記： 本記事はChainer 1.4以前の物になります。 現在の仕様とは大きく異なるので、参考程度にとどめてください。 それより新しいものを書かれた方もいらっしゃるようなのでそちらも参考にしてください。 i101330.hatenablog.com - 私的な理由により和訳を求められているので雑に必要そうなところだけ和訳します。 英語苦手ですし、奇麗に整形する気もないので、和訳の内容は保証しません。 また、指摘は大歓迎です。是非おしえてください。 2を書いたらリンク張ります。 注) Chainerではnumpyというライブラリを頻繁に使うのでそちらも参照 Introduction to Chainer これはChainer tutorialの1章です。この章では なんでChainerを作ったか 簡単な順伝播、逆伝播計算 パラメータを持つ関数の使い方とその勾配計算法 model パラメータ
Deep Learning の簡単な説明から実装、そしてChainer の使い方を紹介します。CUDA サポートについても簡単に解説します。 最新のインストール方法も含んでいます。Read less
# -*- coding : utf-8 -*- import tensorflow as tf import input_data # mnistデータを取得） mnist = input_data.read_data_sets("MNIST_data/", one_hot=True) # 入力情報を持たせるためにplaceholderを定義する。 # shape(第2引数)の次元にNoneを指定すると、どんな長さの次元数であっても対応できる。 x = tf.placeholder("float", [None, 784]) # 重みとバイアスを保持するVariableを定義する。 # Variableは操作によって値を修正することのできる変数。 W = tf.Variable(tf.zeros([784, 10])) # 重み 784次元の入力を受けて10次元の出力を返す b = tf
TensorFlowとは2015/11/9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。この記事ではディープラーニングと言われる多層構造のニューラルネットワークをTensorFlowを利用して構築しています。 TensorFlowはPythonから操作できますがバックエンドではC++で高速に計算しています。macのPython2.7系環境でTensorFlowの上級者用チュートリアルを行い、手書き認識率99.2%の多層構造の畳み込みニューラルネットワークモデルの分類器を構築したときの作業メモです。特別な設定なしにCPU使用率270%メモリ600MByteとちゃんと並列計算してくれました。MNISTランキングを見ると認識率99.2%は上位のモデルとなるようです。 TensorFlowチュートリアル TensorFlowの初心者用と上級者用チュートリアル2つに取り組んでみました
前回の記事ではchainerのインストールからサンプルコードを使って画像識別問題を解くところまでやりました。 hi-king.hatenablog.com 今回の記事では回帰・分類問題用のシンプルなニューラルネットの作り方をやろうと思います。andとxorの論理式を学習させます。chainerでの実装の学習と、あとニューラルネットの教育目的に使いやすいなーと思ったので。2層のニューラルネットまで段階をふんで解説してるんですが、プログラム読むほうが得意、って方は一番最後のコードを先に読んだほうがわかりやすいかもしれません。 追記(7/13)型チェック chainer1.1.0から型チェックが入ったので(https://github.com/pfnet/chainer/pull/95)、識別にはfloat32を入力してint32を出力、回帰にはfloat32を入力してfloat32を出力、とい
今話題のDeep Learning(深層学習)フレームワーク、Chainerに手書き文字の判別を行うサンプルコードがあります。こちらを使って内容を少し解説する記事を書いてみたいと思います。 (本記事のコードの全文をGitHubにアップしました。[PC推奨]) とにかく、インストールがすごく簡単かつ、Pythonが書ければすぐに使うことができておすすめです！ Pythonに閉じてコードが書けるのもすごくいいですよね。 こんな感じのニューラルネットワークモデルを試してみる、という記事です。 主要な情報はこちらにあります。 Chainerのメインサイト ChainerのGitHubリポジトリ Chainerのチュートリアルとリファレンス #1. インストール# まずは何はともあれインストールです。ChainerのGitHubに記載の"Requirements" ( https://github.
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
