はてなブックマーク

はじめに 今回は最近巷で噂のpix2pixモデルをインストールし、使ってみる。ラベルから画像を生成したり、航空写真から地図を生成したりと、いろいろできるみたい。 論文はP. IsolaらのImage-to-Image Translation Using Conditional Adversarial Networks。 https://arxiv.org/pdf/1611.07004v1.pdf ソースコードはこちら。 https://github.com/phillipi/pix2pix 著者らのホームページはこちら。 https://phillipi.github.io/pix2pix/ 環境 OS:Ubuntu14.04 GPU:GTX1070 CUDA:8.0 RC cuDNN:5.1 python2.7.6 など Torch関連をインストール Torchは既にインストールしてある

##はじめに chainerでLSTMを実装する際に、備え付けのlinks/connection/lstm.pyなどを使わずに書いた場合、convLSTMへの変更が楽だと気づいた。そこでLSTMをconvLSTMへ改良してみる。 ##環境 GPU GTX1070 ubuntu 14.04 chainer 1.14.0 など ##convLSTMについて convLSTMはX. Shiらが提案しているconvolutionとLSTMを組み合わせた手法である。 https://arxiv.org/pdf/1506.04214.pdf 通常のLSTMはlinearな状態で処理されるので、画像などは位置的な情報が死んでしまう。convLSTMは画像の状態を維持したまま入力するので位置情報が保持される。linearの場合の行列演算はconvolutionに置き換えれられる。これによりLSTMの時間情

過去６回で、Ubuntu14.04、CUDA、chainer、dqn、LIS、Tensorflow、Open AI Gymを順次インストールした。特に前回はOpen AI Gymのモデルをいくつか試してみた。 http://qiita.com/masataka46/items/227fbfbda98a901f6720 今回はOpen AI GymのHPに載ってるCartPoleゲームのサンプルコードをいじりながら、仕組みを学んでいく。前回と同様、公式HP https://gym.openai.com/docs に従って進める。 以下のCartPoleコード(test06.py)をいじりながら仕組みを学ぶ import gym env = gym.make('CartPole-v0') for i_episode in range(20): observation = env.reset()