Sign in
Google Colab
Sign in
機械学習、ディープラーニングを行おうとするとPython一択というイメージがあります。たしかにフレームワークが豊富で、情報も数多いので一番手軽な選択肢に思えます。 しかし、ほかのプログラミング言語でもディープラーニング用のフレームワークが増えてきています。今回はそれらを言語別にまとめて紹介します。 JavaScript TensorFlow.js TensorFlow.js | JavaScript デベロッパー向けの機械学習 PythonのTensorFlowをJavaScriptにポーティングしたフレームワークになります。Pythonで作成したモデルを変換して利用できます。 Keras-js keras-team/keras: Deep Learning for humans KerasはTheano、TensorFlowが扱えるディープラーニング用ライブラリで、Keras-jsはその
PyTorch 確率的プログラミング GPyTorch Pyro BoTorch Ax Training Wrapper pytorch lightning ignite Catalyst skorch Computer Vision kaolin pytorch3d kornia PyTorch pytorch.org いわずとしれたディープラーニングフレームワークです。最近、国産のフレームワークであるChainerの開発元であるPFNが、PyTorchへの移行を示したこともあり、一層認知度が高まったように思います。すでに研究分野ではTensorFlowよりも高いシェアを誇っている状態であり、今後、プロダクション方向にも整備が行くようで更に注目しておくべきでしょう。 ディープラーニングフレームワークと言いつつ、多次元配列の計算を自在に行うことが可能な自動微分ライブラリとして活用することも
週刊Railsウォッチ（20191217後編）Ruby 2.7の変更点とパターンマッチング、依存性自動アップデートツール、Stack Overflowアンケート2019ほか｜TechRacho by BPS株式会社
2019.12.17 週刊Railsウォッチ（20191217後編）Ruby 2.7の変更点とパターンマッチング、依存性自動アップデートツール、Stack Overflowアンケート2019ほか こんにちは、hachi8833です。平成Ruby会議01の余韻がまだ残っています🔔。 各記事冒頭には⚓でパーマリンクを置いてあります: 社内やTwitterでの議論などにどうぞ 「つっつきボイス」はRailsウォッチ公開前ドラフトを（鍋のように）社内有志でつっついたときの会話の再構成です👄 毎月第一木曜日に「公開つっつき会」を開催しています: お気軽にご応募ください 今回も前編に続き、TechRacho記事でもお馴染みのWingdoor様による福岡エンジニアカフェでのイベントに東京からリモート接続する形のつっつき会を元にお送りいたします。 イベント: 週刊Railsウォッチ公開つっつき会@福岡
【機械学習初心者向け】scikit-learn「アルゴリズム・チートシート」の全手法を実装・解説してみた - Qiita
scikit-learnのアルゴリズム・チートシートで紹介されている手法を全て実装し、解説してみました。 注釈 本記事シリーズの内容は、さらに丁寧に記載を加え、書籍「AIエンジニアを目指す人のための機械学習入門 実装しながらアルゴリズムの流れを学ぶ」 として、出版いたしました。 概要 scikit-learn アルゴリズム・チートシート 【対象者】機械学習を使用したい方、初心者向けの機械学習本を読んで少し実装してみた方 scikit-learnの説明は英語で分かりにくいし、実装例もシンプルでなくて、よく分からんという方 【得られるもの】模擬データを用いて、各手法を使用したミニマム・シンプルなプログラムが実装できるようになります。 アルゴリズムの詳細な数式は理解できませんが、だいたい何をやりたいのか、意図と心、エッセンスが分かります。 アルゴリズムマップの手法をひとつずつ実装・解説します。
達人出版会
探検! Python Flask Robert Picard, 濱野 司(訳) BareMetalで遊ぶ Raspberry Pi 西永俊文 なるほどUnixプロセス ― Rubyで学ぶUnixの基礎 Jesse Storimer, 島田浩二(翻訳), 角谷信太郎(翻訳) 知る、読む、使う！ オープンソースライセンス 可知豊 きつねさんでもわかるLLVM 柏木餅子, 風薬 実践力をアップする Pythonによるアルゴリズムの教科書 クジラ飛行机 スッキリわかるサーブレット＆JSP入門 第4版 国本 大悟(著), 株式会社フレアリンク(監修) 徹底攻略 基本情報技術者教科書 令和6年度 株式会社わくわくスタディワールド 瀬戸美月 徹底攻略 情報セキュリティマネジメント予想問題集 令和6年度 五十嵐 聡 詳説 ユーザビリティのための産業共通様式 福住 伸一, 平沢 尚毅 DX時代の観光と社会
ゴリゴリの文系がＡＩをほぼ独学した半年 - Qiita
ゴリゴリの文系（偏差値４０前半）がAIを学んだ半年 どうも、ゴリゴリの文系です。 商業高校卒業したあと、文系学部にいったので、そこらへんの文系とは格が違います。 文系界のサラブレットです。 肝心な数学力ですが、高校で数学Aまで勉強して、大学で数学入門とっただけです。 つまり、戦闘力0.1ぐらいです。 これから勉強する人に向けてポエムをつらつらと書いていきます。 やってきたこと 実装から始めたい人はある程度参考になるかと。 理論から始めたい人は微積、線形代数、確率統計の基礎を習得してからcouseraに行くのが良いのではないでしょうか。（個人の感想です。） 独学はモチベドリブンでやんないとしんどいので自分でカスタマイズしていってください。 0ヶ月目 会社の研修でプログラミングの基礎を習得。 ここでJavaを勉強してそこそこ組めるようになりました。 研修が終わってから2日くらいかけて、pyth
週刊Railsウォッチ（20191209前編）Pumaのphased-restartとUnicornのgraceful restart、RailsのTZハックが不要になった話ほか｜TechRacho by BPS株式会社
2019.12.09 週刊Railsウォッチ（20191209前編）Pumaのphased-restartとUnicornのgraceful restart、RailsのTZハックが不要になった話ほか こんにちは、hachi8833です。ChainerがPyTorchに乗り換えられたそうです。 Preferred Networks、深層学習の研究開発基盤をPyTorchに移行 | 株式会社Preferred Networks https://t.co/rytkSs6z7c おお。正しい判断ではないでしょうか。お疲れ様でした。 — Yuta Kashino (@yutakashino) December 5, 2019 サイト: Chainer: A flexible framework for neural networks サイト: PyTorch つっつきボイス:「ついさっき上のツィー
秒間32兆回の演算で日本の課題を解決。Jetson AGX Xavierがつくる、AI製品成功までの確かな道筋。 | APS｜組み込み業界専門メディア
秒間32兆回の演算で日本の課題を解決。Jetson AGX Xavierがつくる、AI製品成功までの確かな道筋。 CPUやDSPに比べて圧倒的なコア数を有する「GPU」。このGPUの性能を日々進化させることにより、クラウドからエッジまで、世界中のシステムに革新を起こしてきた「NVIDIA」。そして、2018年12月に発売された、組み込みシステムにAIを統合するためのプラットフォーム「NVIDIA Jetson AGX Xavier」。IoT×AIが始まる今だからこそ、NVIDIAが考えるAIの在り方は大きな羅針盤になる。ブームだけではない、本質的なAIをテーマに、豊富な事例を交えながら最新情報と将来的な展望をNVIDIAに聞いた。 集合写真（左より） エヌビディア インダストリー事業部 事業部長 齋藤 弘樹 氏 エヌビディア フィールドアプリケーションエンジニア 小室 正明 氏 エヌビディ
1. クラスタレベル 複数のマシンを使用するクラスタレベルで分散処理することで高速化する方法です。 もうここまでくると Python というプログラミング言語レベルではなくなりますが、高速化の選択肢として説明します。 Hadoop 大量のデータを複数マシンに分散して処理させるオープンソースのプラットフォーム。 Google社内基盤技術をオープンソースとして実装したものらしいです。 Apache Spark カリフォルニア大学バークレー校で開発された分散処理フレームワーク。 Hadoopよりもメモリをうまく使うことで、機械学習を高速で実行できるようにしたものです。 2. コンピュータレベル 1台のコンピュータの中で高速化する方法です。 高速化のアプローチとしては、並列化、GPGPU、ハードウェアの選択があります。 2-1. 並列化 一つのマシンの中で、プログラムを並列化して実行して高速化する
【開催報告&資料公開】ML@Loft #10 Edge Deep Learning | Amazon Web Services
AWS Startup ブログ 【開催報告&資料公開】ML@Loft #10 Edge Deep Learning こんにちは、AWS ソリューションアーキテクトの辻です。2020年初となる第10回目の ML@Loft は1月に Deep Learning フレームワークと推論をテーマに開催しました。 ML@Loft は機械学習のお悩み相談イベントで、目黒の AWS Loft Tokyo で2019年4月より毎月開催しています。AWS をお使いのお客様がサービスの中に機械学習を取り入れて開発・運用していく際のお悩みを相談できる場が欲しい、ということで始まったコミュニティイベントです。登壇者（相談役）が自己紹介を兼ねた10分ほどの Lighting Talk (LT) を順番に行った後、テーブルに分かれて具体的な相談・ディスカッションを行う、という二部構成で開催されています。過去の様子は登壇
キカガクで一番人気の『脱ブラックボックスコース』に完全版が登場＆全編無料で公開決定！の裏話 - Qiita
はじめに メリークリスマス！ 株式会社キカガク 代表取締役の吉崎です。 こうやって Qiita に記事を投稿するのがなんと『２年ぶり』です。 月日の流れは早いものです。 では、さっそく本題から。 みなさん、大変長らくお待たせしました！！！！！ 2017 年に皆さんご存知の Udemy で公開以来、なんと Udemy だけでも 38,000人以上の方が受講してくださったキカガク流『脱ブラックボックスコース』。 微分から単回帰分析まで扱う初級編と、線形代数から重回帰分析まで扱う中級編まではスムーズにリリースしており、中級編の最後に『上級編も近々...』なんて言いつつ、大変申し訳ありません！ ...実は仕事をサボってました。 なんてことはないのですが、今回のコース紹介後に書く裏話にある葛藤があり、なかなかリリースができていませんでした。 そんな心苦しい思いは今日でおさらばです。 みなさん、大変お
「PyTorch Foundation」が設立。Meta、AWS、Google Cloud、Microsoft Azure、AMD、NVIDIAらが理事に
オープンソースのPython用深層学習用フレームワーク「PyTorch」の開発や普及を促進する団体「PyTorch Foundation」の設立を、Meta（旧Facebook）が発表しました。 PyTorchはこれまでMetaが主導するオープンソースとして開発してきました。深層学習用フレームワークにおける代表的なソフトウェアの1つです。例えば2019年12月にPreferred Networksが開発してきた深層学習フレームワーク「Chainer」のメジャーアップデートを終了すると発表した際には、その移行先としてPyTorchが選択されるなど、これまで重要な役割を果たしてきました。 MetaはこのPyTorchのプロジェクトを、新たにLinux Foundation傘下の独立団体として設立した「PyTorch Foundation」に移管。PyTorch Foundationのミッション
はじめに Axrossを運営している藤原です。 Axross は、エンジニアの"教育"と"実務"のギャップに着目し、「学んだが活用できない人を減らしたい」という想いで、ソフトバンク社内起業制度にて立ち上げたサービスです。 現役エンジニアによる実践ノウハウが"レシピ"として教材化されており、Pythonプログラミングを活用して実際の業務に近いテーマで、動くものを作りながら学ぶことができます。 Axross：https://axross-recipe.com 公式Twitter：https://twitter.com/Axross_SBiv Pythonについて Pythonは、AI・機械学習の技術領域で活用され、近年人気なオープンソースのプログラミング言語です。 Pythonは、直感的でシンプルなプログラムによる可読性と幅広い用途に利用可能な万能性が特長的で、機械学習（画像・言語・音声・数値
scikit-learn 入門¶ scikit-learn は Python のオープンソース機械学習ライブラリです。 様々な機械学習の手法が統一的なインターフェースで利用できるようになっています。 scikit-learn では NumPy の ndarray でデータやパラメータを取り扱うため、他のライブラリとの連携もしやすくなっています。 本章では、この scikit-learn というライブラリを用いて、データを使ってモデルを訓練し、評価するという一連の流れを解説し、Chainer を使ったディープラーニングの解説に入る前に、共通する重要な項目について説明します。 機械学習の様々な手法を用いる際には、データを使ってモデルを訓練するまでに、以下の 5 つのステップがよく共通して現れます。 Step 1：データセットの準備 Step 2：モデルを決める Step 3：目的関数を決める
追記 この記事の続きである Chainer とAnnoyを使った 類似画像検索 [入門] を公開しました。 Deep Learningで特徴量抽出と近似最近傍探索を組み合わせて類似画像検索を実装しています。 はじめに 今回はAnnoyというライブラリを使って、Pythonで簡単に近似最近傍探索を行う方法について説明します。 近似最近傍探索は類似画像検索などに用いられる技術です。 類似画像検索は「特徴量抽出」と「特徴量の類似度計算」を組み合わせることで実現されます。CNNなどを使って得られた得られた特徴量を元に、特徴量の類似度計算を行い、特徴量が類似しているものを抽出することで検索を実現します。必ずしも同じ固有の物体を見つけるのではなく同じ色調や形状など似ている画像の検索が可能となります。今回は特徴量の類似度計算を行う近似最近傍探索について書きます。 Annoyについて AnnoyはSpot
データサイエンティスト協会ではデータサイエンティストに必要なスキルや知識をスキルチェックリスト・タスクリストという形で定義し、高度IT人材の育成と業界の健全な発展への貢献、啓発活動を行ってきました。デジタル時代の人材育成や教育改革は国全体の重要な課題となっており、ビジネスを推進する上でデータ・AIの活用戦略や実装を担うデータサイエンティストへの期待が高まっています。 本検定の取得により、データサイエンティストに必要なデータサイエンス力・データエンジニアリング力・ビジネス力についてそれぞれ見習いレベルの実務能力や知識、また、数理・データサイエンス・AI教育のリテラシーレベルの実力を有していることを証明することができます。 データサイエンティストを目指す人達とそれを必要とする産業界を結びつける一つの指針となることを目指しています。 データサイエンティスト検定™ リテラシーレベルとは 本試験の対
Chainerの有用機能をPyTorch向けに再実装したライブラリ「pytorch-pfn-extras」、PFNが公開 | IT Leaders
IT Leaders トップ ＞ テクノロジー一覧 ＞ 開発ツール／プラットフォーム ＞ 新製品・サービス ＞ Chainerの有用機能をPyTorch向けに再実装したライブラリ「pytorch-pfn-extras」、PFNが公開 開発ツール／プラットフォーム 開発ツール／プラットフォーム記事一覧へ [新製品・サービス] Chainerの有用機能をPyTorch向けに再実装したライブラリ「pytorch-pfn-extras」、PFNが公開 2020年5月12日(火)日川 佳三（IT Leaders編集部） リスト Preferred Networks（プリファードネットワークス、PFN）は2020年5月12日、ディープラーニング（深層学習）のライブラリ「PyTorch」（パイトーチ）の機能を拡張するライブラリ「pytorch-pfn-extras」をオープンソースとして公開した。ライブ
ElasticsearchとPytorchとBertで全文検索(root権限のないところでの設定) - Qiita
はじめに いろんな方が実装されているものの寄せ集めです。 （敬意を込めて参照先を記さないと。追々やっていきます。） やろうとしていることは、 ・ドキュメントをBertでベクトル化 ・Elasticsearchでコサイン類似検索 という感じで、辞書を作ることなく、だいたい同じような意味合いの文書をヒットさせるという環境の構築をします。 環境を構築してみる root権限とかない一般ユーザ環境のUbuntu 16.04.3でお試しです。 Python3.Xは入っているものとしてください。 素人なのでいかんせん違うところがあるかもです。 文体に力がないのは外が暗くて眠いからです。 改めて見るといかんせん文体暗すぎですね。(Mar.2.20) Pytorchをインストール Bertを使うのに今回はPytorchを使うことにしました。 そう決めたのは確かchainerが開発停止を発表したときだったと思
はじめに この記事は、NTTテクノクロス Advent Calendar 2019 の23日目です。 こんにちは、NTTテクノクロスの広瀬と申します。業務では高精細VR配信エンジン1や機械学習による画像認識AIエンジンの研究開発に取り組んでいます。 今回はちょっと技術や開発から離れて、Deep Learningを組み込んだアプリ開発現場で、速度を求めたりGUIが欲しかったりとアプリ開発はPython以外で開発したい時はどうするの？といった疑問を解決する入口部分に触れていきたいと思います。 入門書を読み終わってアプリを作ろう！という方の、次の勉強ステージ選択の手助けになれれば幸いです。 我々はPythonに縛られている 世の中にはTensorFlowやPyTorch/ChainerといったDeep Learningを扱うフレームワークは数多く存在するのですが、開発にあたってはPythonを前
サイトマップ
金子研究室ホームページサイトマップ． 金子研究室ホームページでは，約2000ページを公開している．ページは，データベース関連技術，データの扱い，インストール，設定，利用，プログラミング，サポートページ，連絡先，業績に分けて構成している．サイトマップでは，ホームページ内の全てのページについてのサイトマップを示している． 【サイト構成】 人工知能 データベース ３次元，地図 プログラミング 情報工学全般 インストール 連絡先，活動，その他 金子邦彦研究室 ▶ サイトマップ ▶ サイト内検索 ▶ アクセスログ（直近28日分）, Google Search Console ▶ まとめページ（目次） ▶ 人工知能，データサイエンス，データベース，３次元のまとめ ▶ Windows のまとめ ▶ Ubuntu の使い方 ▶ Python のまとめ（Google Colaboratory を含む） ▶
機械学習に使われる数学¶ 次章より 3 つの章にわたって、ディープラーニングを含む機械学習に必要な数学のうち、基礎的なものとして「微分」「線形代数」「確率統計」の 3 つについて、要点を絞り、簡潔に紹介していきます。 その前に、本章では機械学習 (machine learning) の考え方について大枠を掴み、どの部分でそれぞれの項目が登場するかを把握しておきましょう。 機械学習とは¶ 機械学習は、与えられたデータから、未知のデータに対しても当てはまる規則やパターンを抽出したり、それらを元に未知のデータを分類したり、予測したりする手法を研究する学術領域です。 機械学習は様々な技術に応用されており、例えば画像認識、音声認識、文書分類、医療診断、迷惑メール検知、商品推薦など、幅広い分野で重要な役割を果たしています。 教師あり学習の考え方¶ 機械学習の代表的な問題設定として、教師あり学習 (su
こんにちは、SUZURI事業部でWebエンジニアをしている @tanaken0515 です。 先日11/30(土)に、鹿児島にて初の地域Ruby会議「鹿児島Ruby会議01」が開催されました。 鹿児島県内外から90名近くの参加者が集まり、15名のエンジニアが登壇しました。 ペパボからは、技術部技術基盤チーム シニア・プリンシパルエンジニア @udzura, SUZURI事業部プロダクトチーム エンジニア @tanaken0515, @osamtimizer の3名が登壇しました。また、ペパボはこのイベントに協賛し、SUZURI事業部プロダクトチーム テクニカルリード @kurotaky が実行委員長を務めました。 この記事ではペパボエンジニアの発表内容についてご紹介します。 Haconiwa が越えたあの夏〜3年間を振り返る 登壇者: @udzura 登壇者自身が開発した OSS である
ESPnet2で始めるEnd-to-End音声処理 Author: 林 知樹(Tomoki Hayashi) Github: @kan-bayashi 以下の内容はESPnet v.0.9.4の内容に基づきます。 バージョンの更新により、内容が大きく変化する可能性があります。 目次 はじめに 本記事で出来るようになること ESPnetとは？ ESPnet2とは？ 環境構築 事前学習モデルを利用した推論 レシピを利用したモデル構築 レシピの構造 データディレクトリの構造 ASRレシピの流れ ASRレシピの実行 TTSレシピの流れ TTSレシピの実行 より実践的な利用に向けて むすび はじめに 本記事は、音響学会誌で刊行予定の解説文論「End-to-End音声処理の概要とESPnet2を用いたその実践」の付録です。上記と合わせて読んでいただけるとより理解が深まると思います。 本記事で出来るよう
はじめに こんにちは、データサイエンスチームの白石です。 前回 は、「画像分類モデルの構築」の初回として、データセットの紹介と、モデル構築のプロセスを紹介しました。前回に引き続き、「画像分類モデルの構築」を進めていきましょう。 今回は、画像分類モデルの構築の最初のステップである、「ベースラインモデルの構築」についてお話していきます。 もしかしたら、今回の記事は新しいことだらけで、全然わからない、そう思われる方もいらっしゃるかもしれません。深層学習の世界は、情報工学、数学、確率論、情報理論等が入り混じっている高度な技術領域ですので、全体を構成している要素すべてについていきなり理解するのは極めて困難です。初学者にとって敷居が高く感じられるのは当然です。 私がお勧めするのは、まずは全体を真似してみて、そのあと気になる部分を深堀して理解する、というプロセスを繰り返すことです。なので、まずは記事中で
なぜいま、東大が半導体の設計研究センターd.labを創設したのか（津田建二） - エキスパート - Yahoo!ニュース
東大が2019年10月に半導体の設計研究センターd.labを創設、11月には世界トップの半導体製造請負ファウンドリ、台湾TSMCと業務提携を交わした。なぜ今、また半導体なのか。センター長を務める黒田忠弘教授(図1)は、国内の電機業界からそのように言われたという。 図1 慶應義塾大学から東京大学に招かれた東大d.labセンター長の黒田忠弘教授 筆者撮影 GAFAと呼ばれる、グーグル（G）やアマゾン（A）、フェイスブック（F）、アップル（A）とMicrosoftなどのITサービス企業がみんな半導体チップを作り始めている。いやアップルはiPhoneとiPadに向けた半導体開発を2006年ごろから始めていた。なぜ、こういったところが自分の半導体を持つようになったのか。主な理由は三つある。一つは自分の半導体によってクラウドに使うデータセンター向けのコンピュータの消費電力を1桁下げられること。もう一つ
General Information
This document provides technical information for migration from Chainer to PyTorch. General InformationConcepts and components in both frameworksArray LibraryChainer uses NumPy/CuPy (xp.ndarray) as an array library, and wraps them as chainer.Variable to support autograd. Similarly, PyTorch uses ATen (at::Tensor (C++)) as an array library ("tensor library" in PyTorch terms), and wraps it as torch::
新しいtransformerモデルで学習した記事があるのでそちらも参照して下さい:https://sekailab.com/wp/2019/03/27/transformer-general-responce-bot/ (2016-12-11 追記) この記事で紹介している学習済モデルは、現行のchainerのバージョンでは使用できなくなっているので、chainer 1.4.1 をインストールしたdocker imageを使う方法を追記しました。新しく学習される方は最新のchainerを使うことをおすすめします。 コードを理解する程度のスキルがあればDeep Learningが使える世の中になっているので、試しに自然な受け答えが... チャットボットのタスク チャットボットと言われるもののタスクはNLP的に分解すると以下のようなものかと思います: 質問回答: 問いかけに対して答える 文章生
LEGOでカメラアームを作り遠隔でカメラを操作してみた(C言語 + Nuxt.js + Python + Firebase + SkyWay + ラズパイ) - Qiita
LEGOでカメラアームを作り遠隔でカメラを操作してみた(C言語 + Nuxt.js + Python + Firebase + SkyWay + ラズパイ) PythonRaspberryPiIoTLegoGoogleColaboratory はじめに 以前、WebRTCを使って、ブラウザから自宅のペットの様子を見られるペットカメラを作りました。 WebRTCで常時接続のペットカメラを作ってみた このペットカメラを遠隔で操縦できたらペットも探しやすいし、楽しい そして遠隔で物理的に操作するって、なんだか素敵です！ そんなモチベーションで、LEGOでカメラアームを作り遠隔操作してみました。 githubのリポはこちら 全体構成 今回追加した機能は赤線で囲んでいます 必要なもの LEGO マインドストームEV3 いろいろ使えるLEGOセットで、なかなか楽しいです。 EV3という制御ブロックにモ
最近ではAI(人工知能)に対する期待というものはすごく大きくなっていますよね。ですから将来を考えてAI(人工知能)を学ぼうとしている人も増えているでしょう。 そんなAI（人工知能）にもディープラーニングや機械学習などさまざまな手法があり、またそれを簡単に使えるようTensorFlowやChainerなどライブラリになっているものがあります。 ちなみにこのTensorFlowはディープラーニングで利用されるものです。この種のものとしては広く認知されており、AI(人工知能)を学びたい初心者におすすめ。 そこで今回はそんな人に向けてTensorFlowの使い方について説明していきます。 まずはTensorFlowの使い方として、TensorFlowの基本的な知識や特徴を説明します。 また、TensorFlowの使い方としてどのようにしてインストールするのか、TensorFlowで変数を設定する方
Jetson Nanoを買ってから機械学習熱が再来したので頑張ります。 Table of Contents GCGANで美少女キャラ無限増殖GAN(Generative Adversarial Networks)とは日本語では敵対的生成ネットワークと呼ばれる機械学習フレームワークで、現実には存在しないそれっぽい画像を生成する方法などで採用されています。 GANの詳しい仕組みについては専門家にゆだねるとしてフェイク画像を生成するGeneratorとそれがフェイクかどうか判断するDiscriminatorの2種類が互いに勝負しあうことで画像生成の精度を高くしていく、という感じです。 いらすとやでイメージを作ってみました。 必死に偽物の言動を本物っぽく言う不審者と、嘘を見破る警察官（探偵）という構図が比喩としては一般的です。 GANについては、実は昔(今から2年前)録画サーバーで全アニメを録画し
CuPy 入門¶ CuPy は NumPy と高い互換性を持つ数値計算ライブラリです。 NumPy で提供されている多くの関数を NVIDIA GPU (Graphics Processing Unit) で実行することで簡単に高速化できるように設計されています。 GPU とは¶ GPU (graphics processing unit) は 3D グラフィックスの描画や、画像処理を高速に計算できるように設計された演算装置です。 一方、一般的な計算で使用される CPU (central processing unit) は、幅広く様々な処理で利用されることを想定して設計されています。 そのため、GPU と CPU ではそれぞれ、得意な計算の種類が異なります。 GPU は、条件分岐を多用するような複雑な計算には向かない一方、行列計算のようなシンプルな計算を大量に並列処理する必要がある場合は
Yuya Unno @unnonouno おどろいたことに、教えてもないのにチーズの包装をゴミ箱に捨てるという、ちょっと感動的な出来事があった。ボクはいつもキッチンで捨てるのに。これがゴミであることと、ゴミはゴミ箱に捨てるという推論が必要なはずなのだ Yuya Unno @unnonouno Preferred Networks, VP of retail。流通、小売、物流。自然言語処理、機械学習、言語とロボット。『深層学習による自然言語処理』。物流ロボット、お片付けロボット、対話ロボット、Chainer, CuPy, Jubatus。Pentax K1 M-II、卓球、料理、自転車 https://t.co/SoB8iLRRd0
Preferred Networksは、オープンソースソフトウェアの機械学習向けハイパーパラメーター自動最適化フレームワーク「Optuna v1.0」を正式に公開した。 Preferred Networks（PFN）は2020年1月14日、オープンソースソフトウェア（OSS）の機械学習向けハイパーパラメーター自動最適化フレームワーク「Optuna（オプチュナ）」を正式に公開した。このv1.0が初のメジャーバージョンとなる。 機械学習や深層学習において、精度の高い訓練済みモデルを獲得するには、学習率やバッチサイズ、ニューラルネットワークの層数といったハイパーパラメーターの最適化が必要となる。 Optunaは、ハイパーパラメーターの最適化に向け、試行錯誤を自動的に実行し、性能に優れたハイパーパラメーター値を効率的に探索するソフトウェアだ。2018年12月には、β版がOSSとして公開されており、
ヤフー株式会社は、2023年10月1日にLINEヤフー株式会社になりました。LINEヤフー株式会社の新しいブログはこちらです。LINEヤフー Tech Blog こんにちは。インターン生の齋藤主裕です。 この記事では私がヤフーの音声認識チームで2週間のインターンシップを行った際に取り組んだ内容について紹介します。インターンシップでは主にストリーミングEnd-to-End音声認識のレスポンスを高速化する技術のうち、国際学会で最近発表された技術の追試を行いました。以下ではその技術の概要と得られた結果、およびインターンシップの感想について書きます。 ストリーミングEnd-to-End音声認識とは ニューラルネットワークを使って音声情報から直接発話文字列を出力する手法をEnd-to-End音声認識といいます。End-to-End音声認識は従来手法（ニューラルネットワークと隠れマルコフモデルのハイブ
入社2年目に読んだ本May 20, 2022 | 22 min read | 5,569 views jabook昨年の『入社1年目に読んだ本』に引き続き、今年も1年間で読んだ仕事関係（明確な定義はありません）の本をまとめます。「あとで自分で読み返すため」という性質が普段以上に強い記事になりますが、どなたかの役に立てば望外の喜びです。 さて、前回の記事では、 「予測モデルを作ることと、データ施策を本番環境で運用してビジネス価値を出し続けることの間には様々な大きいギャップがある」ということを痛感しました。（中略）2年目はこのギャップを埋めて大きなビジネス価値に繋げられるよう、引き続き邁進していく所存です。 ということを書きました。その後、仕事や自主的な勉強を通じて、着実に「ギャップ」を埋められています。具体的には、主に以下のような項目について知見を深められました。 機械学習システムの
はじめに 本記事はChainerMNを用いて分散学習を行ってみようという記事です。内容としては分散学習について、データパラレル分散学習、モデルパラレル分散学習の順番になっています。 以下のスライドの拡張版です。 分散学習のあれこれ～データパラレルからモデルパラレルまで～ Chainerは素晴らしいフレームワークだったのですが、ついにメンテナンスフェーズへと移行してしまい、その役割を終えてPyTorchへと吸収されました。 分散学習をする際にChainerはとても明解であり、スムーズに研究を進められました。最後に恩返しの気持ちを込めて分散学習についてのあれこれを書いていきます。 最後にポエミーなことも書きますが、もしよかったら最後まで見ていってください。Chainerへの最後のクリスマスプレゼントとなれば幸いです。それでは見ていきましょう。 コードは後程Githubで公開します。 分散学習と
0.数秒後の動きを未来予測する研究4本
動きある物体に対して、0.数秒後にどうのような動きをするのかを予測することができます。相手の動きを0.数秒はやく知ることができれば何ができるでしょうか。飛んでくるボールを0.数秒はやく知ることができれば何ができるでしょうか。今回は、そんな未来予測に関する研究4本を厳選しご紹介します。 機械学習を用いて0.5秒後の人間の動きをリアルタイムに推定する体動予測システム「Computational Foresight」 論文：Computational Foresight: Forecasting Human Body Motion in Real-time for Reducing Delays in Interactive System Yuuki Horiuchi¹, Yasutoshi Makino¹, Hiroyuki Shinoda¹ ¹The University of Tokyo,
深層学習フレームワークで世界に伍して闘った、その先見性とは？ ──SOCIAL TECH PLAYER賞は「Chainer」開発チーム - TECH PLAY Magazine
2019年12月、Preferred Networksは、開発の基盤技術である深層学習フレームワークを自社開発した「Chainer」から、Facebookが開発した「PyTorch」に移行することを発表した。TECH PLAYER AWARD 2020審査員は、Chainerが深層学習技術にもたらした功績と、基盤技術を移行する決断を高く評価。「SOCIAL TECH PLAYER 賞」に選出した。 ▲Chainerが日経優秀製品・サービス賞2018で日本経済新聞賞を受賞した当時のChainer開発チーム 深層学習をもっと使いやすくするフレームワーク「Chainer」 Preferred Networks（プリファードネットワークス、以下PFN）が開発・提供するPythonベースの深層学習フレームワーク「Chainer（チェイナー）」は、2015年6月にオープンソース公開されて以来、PFNの
画像認識の入門編知識を解説！概要や仕組み、事例について | Aidemy | 10秒で始めるAIプログラミング学習サービスAidemy［アイデミー］
たくさんの手書き資料や映像の解析を、人の手と努力で解決していませんか。 「手書きアンケートの集計のためだけに人手を雇っている」 「通勤経路はわかっているが、書類を目視で一応確認しないといけない」 この記事では、人手に頼らずプログラミングで工数を削減できる技術「画像認識」について、事例を挙げながらご紹介します。 画像認識とは 画像認識とは、コンピュータや機械が画像に何が写っているかを認識・分類できる技術です。また、機械学習では、たくさんのパターンを試して、見分けるルールを自動的に探してくれます。 「画像認識」「機械学習」と聞くと、膨大なデータと高性能なサーバーが必要なイメージがありますが、個人のパソコンでも手軽に学び、実践できる技術です。 例えば、大量の写真を、コンピュータが自動的に「食べ物の写真」「海での思い出」など分類してアルバムを作ってくれる機能や、カメラに映っているお留守番中のペット
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
Python以外でもできる。言語別ディープラーニング用フレームワークまとめ – ピクアカインフォ
PyTorchの周辺ライブラリ - HELLO CYBERNETICS
Pythonの実行を高速化する方法を一覧でまとめてみた - Qiita
Python初心者を脱出するための実践レシピ10選 - Qiita
scikit-learn 入門 — ディープラーニング入門：Chainer チュートリアル
類似画像検索のための、Pythonを使った近似最近傍探索【入門】 - Qiita
データサイエンティストになるには？ 必要なスキル・仕事内容・勉強法を網羅的に解説 - エンジニアtype | 転職type
Python以外でもDeep Learningしたい！ - Qiita
機械学習に使われる数学 — ディープラーニング入門：Chainer チュートリアル
鹿児島Ruby会議01に参加しました - Pepabo Tech Portal
ESPnet2で始めるEnd-to−End音声処理
深層学習入門：画像分類モデルを作ろう（2） | SBテクノロジー (SBT)
transformerで自然な会話ができるボットを作った | せかいらぼ
初心者は必ず知っておきたい、TensorFlowの使い方【基本編】
StyleGANとStyleGAN2を使って美少女キャラを無限増殖させる
CuPy 入門 — ディープラーニング入門：Chainer チュートリアル
【人間すごい】機械学習の人に子供ができると、人間の学習能力の高さに驚くツイートを大体している
機械学習向けハイパーパラメーター自動最適化フレームワークを正式公開
インターン生がストリーミングEnd-to-End音声認識のレスポンス高速化に取り組んだ話
入社2年目に読んだ本 | Hippocampus's Garden
ChainerMNでデータパラレル、モデルパラレル分散学習と分散学習のあれこれ - Qiita