第3回 PyTorchによるディープラーニング実装手順の基本
前々回はPyTorchの核となる部分を、前回はPyTorchの基礎部分といえる「テンソルとデータ型」の説明を行った。今回は、4層のディープニューラルネットワークを題材に、PyTorchによる基本的な実装方法と一連の流れを解説する。 全3回の大まかな流れは以下の通りである。 （1）ニューロンのモデル定義 （2）フォワードプロパゲーション（順伝播） （3）バックプロパゲーション（逆伝播）と自動微分（Autograd） （4）PyTorchの基礎： テンソルとデータ型 （5）データセットとデータローダー（DataLoader） （6）ディープニューラルネットのモデル定義 （7）学習／最適化（オプティマイザ） （8）評価／精度検証 このうち、（1）～（3）は前々回、（4）は前回で説明済みである。今回は（5）～（8）を説明する。それでは、前々回の核となる部分を簡単に振り返ったうえで、さっそく今回の説
アニメをAIで高解像度化、4K・8Kに変換 AIベンチャーが技術開発
AIベンチャーのラディウス・ファイブは2月19日、ディープラーニングを活用し、アニメを高解像度に変換できるサービス「AnimeRefiner」（アニメリファイナー）の提供を始めた。低解像度と高解像度の動画を学習したAIが高解像の状態を予測し、動画のノイズなどを取り除く。4K・8Kのコンテンツ制作にかかる時間や費用、工程数など制作現場の負担を軽減する狙い。 HD（1440×1080ピクセル）のアニメは4Kサイズ（3840×2160ピクセル）以上、フルHD（1920×1080ピクセル）のアニメは8Kサイズに変換が可能という。動画の他、原画の処理にも対応する。 従来の技術は、動画を引き伸ばして中間を補完するというもので、ノイズがそのまま引き伸ばされたり、ぼやけが発生したり──といった課題があったという。AnimeRefinerではノイズを除去し、ぼやけを鮮明化するため、これらを防げるとしている。
小田急電鉄とノキア、AIによる踏切異常状態検知に関する実証実験で協業
小田急鉄道は2月19日、踏切内の安全性向上を目指し、カメラ映像とノキアソリューションズ＆ネットワークスが販売しているカメラ映像とAIによる異常状態検知システム「スペースタイムシーンアナリティクス」を用いた実証実験を実施すると発表した。 スペースタイムシーンアナリティクスは、遠隔施設への不正侵入をリアルタイムで警告する機能を備えている。これにより、従業員や機器が産業現場の安全でない場所に接近した時や、重機が位置を外れて潜在的な危険を引き起こしている時に検知し、監督者へと警告が可能。 同社によると、踏切監視カメラの映像をスペースタイムシーンアナリティクスを介して解析することで、踏切内での異常状態を検知し、検知能力を強化できるという。 また、エッジコンピューティングで情報を処理することにより、接続が限られている遠隔地で必要な帯域幅を大幅に削減できるとした。 実証実験は、2月14日から3月の期間、
Pythonでの機械学習の環境構築にAnacondaはいかがでしょうか - Qiita
主張 ほぼタイトルで完結しています。 Anacondaでは余計なパッケージが多すぎるという場合には、Minicondaで必要なパッケージだけをインストールすればいいと思います。 主張の理由 定期的に初心者向けにPythonの環境構築の記事が投稿されています。 そして、その多くで一緒にTensorflowかPytorchもインストールしていると思います。 環境構築で問題になるのがCUDAです。 CUDAのバージョンとTensorflowやPytorchのバージョンを正しく選んでインストールする必要があります。 これは、以下のような面倒くささがあると思います。 単純に対応するバージョンを調べてインストールするのが面倒くさい ついでにCuDNNのインストールも面倒くさい 迂闊にTensorflowやPytorchのバージョンを上げられない 複数のバージョンのTensorflowやPytorchを
ほとんどのデータサイエンスプロジェクトが採用にいたらない5つの理由 | AI専門ニュースメディア AINOW
著者のGanes Kesari氏はMediumに多数のデータサイエンス記事を投稿しているデータサイエンティストであり、それらのいくつかはAINOWの翻訳記事で紹介してきました（同氏の詳しい業績はこちらを参照）。最近同氏がMediumに投稿した記事『ほとんどのデータサイエンスプロジェクトが採用にいたらない5つの理由』では、データサイエンスプロジェクトが採用されない理由とその対策が解説されています。 同氏によると、データサイエンスプロジェクトが採用されない代表的な原因は5つあり、それぞれの原因に対する対処方法と合わせてまとめると以下の表のようになります。 データサイエンスプロジェクトが採用されない5つの原因とその対策 採用されない原因 対処方法
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
Kyoto University Research Information Repository: プログラミング演習 Python 2019