はてなブックマーク

こんにちは，ABEJA Advent Calendar の8日目です． はじめに 先日の re:Invent 2019 で面白いサービスが発表されました．そう，エンタープライズ向け検索サービス Amazon Kendraのリリースです． 社内にはさまざまなコミュニケーションツールが存在します．ただし，どれもフロー情報となりがちで整理されておらず情報格差が生じやすいという課題が発生してきています．まさしく Kendra おあつらえ向きな課題ですね．発表された時，これはやってみるしかない！とビビッと来ました．そこでこんな感じで自然文でドキュメントを検索できる slack コマンドをびゃびゃっと作ってみました． 以下では Kendra を早速触りつつどう作っていったかを紹介していきます． システム構成 Kendra は2019/12/8現在プレビュー版です．そのため，データソースとして利用できる

はじめに 最近，ニューラルネットライブラリ界隈でPyTochがにわかに盛り上がり始めたので触ってみました．ただ，触ってみるだけでは面白くないのでChainerと比較しつつ，DeepPose: Human Pose Estimation via Deep Neural Networksを実装してみました． なお，PyTorch自身の概要などはpytorch超入門がわかりいいです． 実装 では，早速DeepPoseをChainer(1.19.0)とPyTorch(0.1.10)で実装してみたいと思います． Model Loss Function Train の順でChainerとPyTorchを比較しつつ実装していきます． Model ChainerとPyTorchでほぼ同じコードで書けます．強いて言えば，PyTorchでは Convolutional Layer の出力を Fully Con