はてなブックマーク

はじめに この記事はTensorFlow2.0（以下、TF2.0）のPreview版がPyPIに公開されたことを受け、正式版の公開やその利用に向けて備える記事です。特に、APIの整理に伴って消えたAPIを紹介し、それによってTensorFlowの使い方が大きく変わることの警告を目指します。 また、筆者の属性は、TF歴3年の画像認識屋です。しかし、内容は個人の意見で、別分野の方や別ライブラリユーザーだけでなく、同属性の方からも別の意見が出ると思います。純粋にTF2.0を学びたい方は、他の記事を参考にしてください。 リンク 公式ドキュメント tf.keras以外の高レベルAPIの消滅 tf.layers tf.contrib.slim tf.contrib.layers（slimはtf.contrib.layersを呼んでいる） これらがいつからあるのか調べてみると、「TensorFlowの増

GANとは GAN GANは「generative adversarial networks」の略 日本語だと敵対的生成ネットワークという意味（adversarial=敵対的） その一種のDCGANでブレーク（以下DCGANベースで説明） 生成モデル 出力が画像等になるモデル DCGANでは、乱数を入力すると画像が生成される 敵対的とは 生成するネットワークと品評するネットワークを切磋琢磨させながら訓練 生成するネットワーク・・・Generator 品評するネットワーク・・・Discriminator と呼ばれる（モデルによっては別の名も） Discriminatorは、画像がデータセットに含まれる画像なのか生成した画像かを分類 DCGANの訓練の登場人物 訓練データセット・・・画像データセット 生成される画像・・・訓練データセットにありそうな画像 Generatorの入力・・・ランダムな

目次 強化学習とは 環境 解決方法 ハンズオン 強化学習とは 強化学習が扱う問題 変化する環境下で判断・行動し課題を解決する問題 エージェントが環境の状態を見て行動をし、その行動により環境の状態が更新される。望む状態を目指す。 問題の例 ゲーム 制御 広告 大抵の場合、リアルな環境かシミュレータで訓練をする。 強化学習の訓練方法 状態がどれくらい良いかを「報酬」として数値化して、より多くの報酬が得られるように訓練する。 例えば、 勝った → +1 負けた → -1 のように自分で決める。 環境 OpenAI gym OpenAIのgymというライブラリが有名。 いくつかの問題・ゲームのシミュレーション環境 統一されてたインターフェースを持つ インターフェースが統一されていると、 自作の環境をgymの環境と同じように扱う拡張が可能 作ったモデルのコードが再利用できる（かも） gymの環境の例

自己紹介・近況 名前: 中西克典 所属: 有限会社 来栖川電算（バイト） twitter: @n_kats_ 昔は数学をしていた。 数週間前、全脳アーキテクチャ若手の会 関西異分野交流会なるものに参加するも、学生さんばかりで浮いていた気がする。 内容 経緯 pythonでdoc2vecをする方法 実際に使った話 経緯 先輩「好みの小説を探したいから小説をベクトル化してくれ」 最初の案 word2vecで単語をベクトルにして平均を取る？ タグやジャンルを推測する？ 最初の案はダメ 単純な平均じゃ意味のあるベクトルが取れる気がしない 先輩「タグやジャンルよりもっと細かい検索がしたい」 doc2vecがあるやん！ doc2vecとは 文章をベクトルに変換する機械学習アルゴリズム word2vecの進化形 不安要素 小説みたいな長い文章も大丈夫？ doc2vecって技術的な評価はどうなっているの？

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article?

８月中旬、facebookが公開したfastTextの仕組みを軽くまとめる。 fastTextができること 自然言語処理の範囲は広く、ものによってできるものは異なる。fastTextは、word2vecのような単語をベクトルにしたり、文章をクラス分けする（予め決まったクラスに分類する（複数クラスに入ることは可能））ことができる。ベクトル化するモデルはCBOWとskip-gramが使われている。クラス分けを行うときは、学習データに、それぞれの文章がどのクラスにあるかという教師データが必要となる。 fastTextを試す githubに公開されているので、 でコンパイル（新しめのc++コンパイラが必要）。使い方の詳細はREADME.mdを参考にしてください。 サンプルとして複数のスクリプトが用意されている。しかし、巨大なデータがダウンロードされてしまうので、するなら、時間や十分なネットワーク環

sonictemplate-vimとは mattnさんが作られた、テンプレートを管理するvimプラグイン。mattn/sonictemplate-vim ノーマルモードで:Templateと書いた後にタブを押すことで、テンプレートの候補が表示され、とても簡単で激速。 （自分の環境では:Temでタブを押すと最初にTemplateが出る。一度スペースを打ち、場合によってはテンプレート名の頭文字をいれ、タブを押して選ぶだけ） mattnさんご本人の解説もあるので、もっと詳しく知りたい方は参考にされるといいと思います。 自分が使うテンプレートも呼び出せるようにして楽したい。 sonictemplateそのものに自分のテンプレートを突っ込むと色々管理とか問題起きそうなので、次の方法を取ります。 テンプレート用のディレクトリを用意する init.vimもしくは.vimrcで指定する テンプレートを書く

一ヶ月前にGoogleがTensorFlowという機械学習ライブラリを公開しました。すでにQiitaにも幾つかの投稿がされています。さて、TensorFlowの公開でテンソルという単語を初めて聞いたという方がいると思います。そのような人を対象にテンソルの入門を書きたいと思います。 テンソルというのはベクトルや行列の仲間で、ベクトルが一次元、行列が二次元状に数値が並んでいるのを一般化して、$n$次元状に数値を並べたものです。なので、多次元配列を使えば、テンソルをプログラムの中で表現できます。 実際、TensorFlowでもnumpyのndarrayという多次元配列を利用しています。プログラムを書いたり利用したりする上で、上の説明で事足りることが多いでしょう。しかし、数学的に理解するという点からは満足できないでしょう。数学的に掘り下げてみましょう。 準備 まず、テンソルはベクトルや行列の延長上

gulp-slimやgulp-jadeでhtmlを書いてコンパイルして、ふと日本語を混ぜた時に困った。Macなら問題ないんだけど、Windowsでは文字コードがSJISになってしまう… エンコードをコンパイル後に直してくれるものがあると…ってありました。gulp-convert-encodingです！ 使い方 では、gulp-slimでコンパイルして、その後エンコードをUTF-8にするという例を書きましょう。 var gulp = require('gulp'), plumber = require('gulp-plumber'), slim = require('gulp-slim'), convertEncoding = require('gulp-convert-encoding'); gulp.task('slim', function () { gulp.src(["src/**

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article?