はてなブックマーク

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? はじめに こんにちは、nadareです。 機械学習エンジニアで、普段はレコメンド・検索関連のお仕事をしています。いろんな競技プログラミングが好きです。 最近はRetrieval-based-Voice-Conversion(以下RVC)という技術に関心を持ち、本家Retrieval-based-Voice-Conversion-WebUIやddPn08さん版RVC-WebUI、VC ClientにPR投げつつ勉強しています。 5/14にRetrieval-based-Voice-Conversion-WebUI(以下本家RVC)のv2バ

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? こんにちは、nadareです。 機械学習エンジニアで、普段はレコメンド・検索関連のお仕事をしています。いろんな競技プログラミングが好きです。 最近はRetrieval-based-Voice-Conversion(以下RVC)という技術に関心を持ち、本家Retrieval-based-Voice-Conversion-WebUIやddPn08さん版RVC-WebUI、VC ClientにPR投げつつ勉強しています。 本記事では、RVCのモデルで綺麗な日本語に変換するための学習テクニックを紹介します。 2023/05/24 追記 続・RV

本notebookは情報検索・検索技術 Advent Calendar 2022の17日目の記事です。 はじめまして、nadareと申します。普段はMLエンジニアとしてレコメンドエンジン等を作っています。 今回は緯度経度の距離計算に用いられるhaversine関数を用いた近傍探索を、近似近傍探索(ANN)により高速化したのでその実装とコードを公開します。 記事本体となるNotebookはこちらになります。 https://www.kaggle.com/code/nadare/ivfxl2rrflat-for-haversine おまけ(ポエム) 近似近傍探索、個人的に好きな分野ですが割と使いどころが難しいです。 近似近傍探索が有効なのは大量の画像のembeddingに対してコサイン類似度で探したいみたいなケースだと思います。ユークリッド距離のような条件ではK-D TreeやBall Tre

kaggleやSIGNATEのようなデータ分析コンペでは時に大容量データを扱うことがあるので、ラップトップPCではメモリが足りなくなることがあります。そういう場合はつよつよPCを購入するかGCPやAWSのようなクラウド環境を利用するのですが、後者はプログラミング初心者には難しい面があります。Google CloudのAI Platform Notebooksを使うと簡単にコンペの分析環境を作れるため紹介したいと思います。 AI Platform Notebookのインスタンスを作成する Google Cloud Platformで新しいプロジェクトを作成する。(typoでpropjectになってしまいました) ナビゲーションメニュー > 人工知能 > AI Platform > ノートブック を選択する。 APIを有効にしていない場合は有効にする。 新しいインスタンスから好きな環境を選ぶ。