Stable Diffusion の仕組みを理解する - ABEJA Tech Blog
この記事は、ABEJAアドベントカレンダー2022 の 19 日目の記事です。 こんにちは！株式会社 ABEJA で ABEJA Platform 開発を行っている坂井です。 世間では Diffusion Model 使った AI による画像生成が流行っているみたいですね。 自分は元々 Computer Vision 系の機械学習エンジニアだったんですが、この１年くらいは AI モデル開発ではなくもっぱらバックエンド開発メインでやっていて完全に乗り遅れた感あるので、この機会に有名な Diffusion Model の１つである Stable Diffusion v1 について調べてみました！*1 では早速本題に入りたいと思います！ Stable Diffusion v1 とは？ Denoising Diffusion Probabilistic Model（DDPM） 学習時の動作 for
【深層学習】時系列データに対する１次元畳み込み層の出力を可視化 - 株式会社カブク
機械学習エンジニアインターン生の杉崎です。 今回は時系列データ予測に一次元畳み込み層を使用した際の出力の可視化の方法について書きたいと思います。 本記事の目的 深層学習における畳込み層は多くは画像等の２次元データに使われることが多いです。そして、ブラックボックスであるモデルに対して理由を明らかにするため、中間層の重みや出力を取り出し可視化する様々な手法が提案されています。(下図) 画像引用元 しかし、そんな中で一次元畳込み層(Conv1D)を用いたモデルでは可視化の事例があまり多くありません。そこで今回はConv1D層の出力の可視化の一例についてご紹介します。 目次 本記事の目的 画像などの２次元データに対する可視化手法は数多く提案されている。 しかし、１次元データに対する中間層の可視化は事例が少ない。 そこで、１次元データを入力とする１次元畳み込み層(Conv1D)を使用したモデルを用い
Yoodli | Free Communication Coach
⭐️ Use the code LEADERSHIP20 on checkout by April 20th to get 20% off your Yoodli subscription! Ace your next Online MeetingJob interviewWork presentationSales callOnline MeetingImprove your communication skills with private, real-time, and judgement free coaching — powered by AI. Like Grammarly, but for speech!
AI時代の英語学習法 - 運河
意識的な英語学習を再開して1年以上経つ。以前に英語学習をしていたときよりも、技術面での進歩のおかげでより効率的な学習ができるようになっていることに気づいた。 トライしてきた学習方法のなかで、いまも日常的に運用しているテクニックを紹介しようと思う。 僕自身の目的として、話す能力と読む能力にフォーカスしていたので、口頭英作文と語彙獲得の内容が多い。 この中で最もパワフルな学習方法は、AIと最も関係ないので最後に書く。Anki による長期記憶化システムである。 YouTube 字幕を使った語彙獲得 好きな映画を見続けるだけで、自動的に語彙が増えていき、リスニング能力も高まっていくとしたら、素晴らしいことだと思う。 Language Reactor という Chrome 拡張を使うと語彙獲得がとても捗る。画面に検索可能でスクロール可能な字幕を開きつつ、動画を見ることが可能になる。 最近の YouT
音声合成業界に激震! もはや人間の喋り声、入力文字読み上げソフトVOICEPEAKはビジネス用途でも自由に利用可能｜DTMステーション
日進月歩というより、秒進分歩で進化している感じのある音声合成、歌声合成の世界ですが、また新たな革命ともいえるAI音声合成ソフトが誕生しました。これまでDTMステーションでも何度も取り上げてきた歌声合成ソフト、Synthesizer Vを開発するDreamtonics株式会社と株式会社AHSと共同開発する形で、もはや人間の喋り声にしか聴こえない音声合成ソフト、VOICEPEAKを発表し、3月11日から発売を開始するのです。Synthesizer Vと同様、Windows、Mac、Linuxでも動くマルチプラットフォームソフトで価格はダウンロード版で23,800円(税込み)となっています。 このソフト「VOICEPEAK 商用可能 6ナレーターセット」という製品名になっていますが、実際には女性3人＋男性3人＋女の子1人＝7人の声を切り替えることが可能なAI音声合成ソフトで、テキストを入力すれば
ディープラーニングの研究が進めばAIのブラックボックス問題は解決しますか？
回答 (5件中の1件目) ディープラーニングは昔ニューラルネット（神経回路網）と言われていました。 モデルとなった神経回路網において、神経の結合、処理状態がわかれば考えていることがわかるのか？と言われればそれは無理ですね。これはブラックボックスです。 じゃ、考えていることがわかるようなニューラルネットは作れるかと問われれば、できないと断言はできない。 ちなみに三十年くらい前のAIの主要トピックスは。 エキスパートシステム これは専門家の知識を記述するもので内容はわかります。 ファジーシステム どこ行ったんでしょうね？ ニューラルネット でした。
【動画解説】2020年に読んだAI論文100本全部解説(俺的ベスト3付き) - Qiita
この記事は私, wataokaが1年間をかけて作り続けた超大作記事です. 総文字数は8万を超えていますので, お好みのところだけでもみていってください. ついにこの時が来ました！！！！！ 1年間書き続けたQiita記事です！！！！！ ご覧下さい！！！！！https://t.co/eKBwP1zoeB — 綿岡 晃輝 (@Wataoka_Koki) December 31, 2020 俺的ランキング 動画での解説も挑戦してみました！ ぜひぜひご覧下さい！ 動画のリンク 第3位: Likelihood-Free Overcomplete ICA and Applications in Causal Discovery wataokaの日本語訳「尤度が必要ない過完備ICAと 因果探索における応用」 - 種類: ICA - 学会: NeurIPS2019 - 日付: 20190904 - URL:
グーグル、機械学習エンジニア認定資格を提供開始 模擬試験が無料に | Ledge.ai
サインインした状態で「いいね」を押すと、マイページの 「いいね履歴」に一覧として保存されていくので、 再度読みたくなった時や、あとでじっくり読みたいときに便利です。
機械学習エンジニアのための将棋AI開発入門その2 | やねうら王 公式サイト
前回の続き。将棋AIで最初に大規模機械学習に成功させたBonanzaの開発者である保木さんのインタビューがちょうどYahoo!ニュースのトップ記事として掲載されたところなので、今回はBonanzaの機械学習について数学的な観点から解説してみたいと思います。 Bonanzaの保木さんのインタビュー記事 プロ棋士に迫ったAI「Bonanza」 保木邦仁「将棋を知らないから作れた」 https://news.yahoo.co.jp/feature/1712 BonanzaのGPW発表スライド とは言え、Bonanzaで使われている機械学習の技法は、いまどきの機械学習とは少し毛色が異なるので心の準備が必要です。 まず、保木さんのGPW(ゲームプログラミングワークショップ)での発表スライド、以前はBonanzaの公式サイトからダウンロードできたのですが、Bonanzaの公式サイトがジオシティーズにあ
パラメータ数を激減させる新しい畳み込み「MixConv」解説！
３つの要点 その１ パラメータ数を激減させる新しい畳み込みMixConvを提案 その２ MixConv層を含んだモデルをAIに自動生成(=NAS)させることでMixNetを開発 その３ MixNetはMobileNet-V3やMnasNetなどの小型画像認識モデルのみならずResNet-153に対してはパラメータ数1/9程度で性能を凌いだ MixConv: Mixed Depthwise Convolutional Kernels written by Mingxing Tan, Quoc V. Le (Submitted on 22 Jul 2019 (v1), last revised 1 Dec 2019 (this version, v3)) Journal reference: BMVC 2019 Subjects: Computer Vision and Pattern
機械学習モデルの判断根拠の説明（Ver.2）
【第40回AIセミナー】 「説明できるAI 〜AIはブラックボックスなのか？〜」 https://www.airc.aist.go.jp/seminar_detail/seminar_040.html 【講演タイトル】 機械学習モデルの判断根拠の説明 【講演概要】 本講演では、機械学習モデルの判断根拠を提示するための説明法について紹介する。高精度な認識・識別が可能な機械学習モデルは一般に非常に複雑な構造をしており、どのような基準で判断が下されているかを人間が窺い知ることは困難である。このようなモデルのブラックボックス性を解消するために、近年様々なモデルの説明法が研究・提案されてきている。本講演ではこれら近年の代表的な説明法について紹介する。Read less
TensorFlow2.0 with KerasでいろいろなMNIST（TPU対応） - Qiita
TensorFlowのいろいろな書き方「Keras API」「Custom train loop」「Custom layer」についてMNISTの例を解説します。また、TF2.0＋KerasでColab TPUを使った訓練方法も解説していきます1。 TensorFlow2.0での書き方 TensorFlow2.0の書き方は何種類かあります。Kerasの作者によるColab Notebookによると、 縦軸に注目してください。上に行くほど高レベルAPI、下に行くほど低レベルAPIとなります。各項目が何を表すかと言うと、 Built in training/eval loops ： Kerasのfit()やevaluate()といった関数を使うものです。TF1.X時代のKerasとほぼ同じです。 Customized step-by-step loops : Kerasのfit()などを使わず
【全編無料】GoogleによるAI解説・機械学習やゲーム作成・ブロックチェーンなどがわかるUdemy無料講座まとめ
「Udemy」はさまざまな講座をムービー形式で視聴できる学習プラットフォームで、13万件を超える講座があり、その総受講者数は世界で4000万人以上です。講座は有料のものが多いのですが、無料で質の良い講座も存在しており、中には「無料なのに受講しないのはもったいなさすぎる」と思わせる講座も。今回はそうした良質な無料講座の中からぜひとも一度は見ておきたい講座を5つピックアップしてみました。Udemyにはもともとプレビュー機能があり、有料の講座であっても一部を無料で視聴可能ですが、ピックアップした5つの講座は講座の全てのパートを完全に全編無料で受講できます。 オンラインコース -世界最大級のオンライン学習プラットフォーム- Udemy https://www.udemy.com/ ・目次 ◆AIの仕組みや利用法を一発で理解できるGoogleの解説講座 ◆ゲームを実際に作成して「Unity」の利用方
やりたいことリスト - 人工知能に関する断創録
最近はすることリスト（TODO）に追いまくられていて落ち着けなかったので、とりあえず直近でやってみたい・調査してみたいと思ってメモしていたことをまとめてみた。他にもあったかもしれないけどとりあえず！ Deep Learning fast.ai のレクチャービデオを全て見たい fast.aiライブラリ を使ってKaggleを試したい Google Machine Learning Crash Course を受講したい Dive into Deep Learning を読みたい TensorFlow 2.0 を試したい TensorFlow.js でJavaScriptでDeep Learningしてみたい PyTorch-GAN を解読してまとめたい Hyperopt、Optuna、BoTorch などのハイパーパラメータ探索ライブラリを試したい AI Transformation Pla
FPGAの部屋
Xyloni Development Kit に Pmod OLEDrgb を接続して表示させよう3 ”Xyloni Development Kit に Pmod OLEDrgb を接続して表示させよう2”の続き。 Xyloni Development Kit 用の Sapphire SoC のプロジェクトを作成して、SPI と GPIO を PMOD に接続する予定の Pmod OLEDrgb に接続しようということで、前回は、Verilog HDL ファイルや制約ファイルをインポートして、論理合成、Place & Route、ビットファイルの生成を行った。今回は、top_soc.v の SPI_1、SPI_2、GPIO_1ポートの追加を行った。もう一度、論理合成、Place & Route、ビットファイルの生成を行った。GitHub の Efinix-Inc/xyloni の soc_
【続】平成の次の元号を、AIだけで決めさせる物語（＠テレビ取材） - Qiita
前書き 以前Qiitaの記事で、平成の次の元号をAIで予測したことがあり、 それについて、テレビ取材（フジテレビ）を受けることになった。 前回作った元号予測AIを強化して、 四書五経や、日本の古典なども出典も視野に入れて、 AIによる元号ガチ予測を実施して欲しいとのこと。 4月1日、新元号が発表される当日、発表直前に放映する予定だそうだ。 つまり、新元号の予想はＸＸです！と言った瞬間に、 残念違いましたーー！と分かってしまう、がっかり感 事前にウワサ等で予想されているものは採用されない、 という話もあるために、ガチで当てるためには直前放映しかない という恐るべき戦い。 （どう考えてもピッタリ当てるのは難易度が高すぎる） まだ前回の記事をご覧になっていない方は、以下を参照されたし。 前回の記事⇒ 平成の次の元号を、AIだけで決めさせる物語 本記事投稿理由 本当は、4月1日の放送に期待してくだ
あなたが残業を止められない真の理由 『残業学』教授が斬る
今やあらゆる日本の職場で叫ばれる「働き方改革」。その大きな目的の1つが残業の削減だ。「karoshi」という言葉が国際的に使われるほど、日本人と残業は切っても切り離せない関係にあるようだ。では、なぜそもそも私たちは残業をしてしまうのか。「会社のせい」「何となく帰れないので……」など、個人の理由はまちまちかもしれない。 日本人の残業はなぜ無くならないのか。2018年12月に発行された『残業学 明日からどう働くか、どう働いてもらうのか？』（光文社新書）では、立教大学で人材開発・組織開発を専門とする中原淳教授がパーソル総合研究所（東京都港区）と組み、2万人超への調査データを分析することで残業のメカニズムや、無くすコツに迫っている。日本人が残業をする真の理由について、著者の中原教授に直撃した。 「長時間」でなく「長期間」働けるように ――本書はパーソル総合研究所と立ち上げた研究プロジェクト「希望の
人間の本体は心臓でもなければ脳でもないという価値観 - 続・はてなポイント３万を使い切るまで死なない日記
AIとはなにかということを、真剣に考え始めたのは、6年前からだ。AIとはなにかというテーマを突き詰めていくと、そもそも人間の知性とはなにか、という疑問にぶちあたる。 人間の知性を将来はコンピュータに搭載された人工知能が超えてしまうという想像はコンピュータの登場とともに誕生していて、なにも新しいことではない。事実、コンピュータは発明された瞬間に、計算能力においては人間を軽く超えていた。 計算能力で劣っているにも関わらず知性において人間がコンピュータに負けてないと思うのは少し奇妙なことでもある。人間の脳の機能の進化において、数字を扱って、計算できるようになったのはかなり最近のことのようだ。人間の脳にとっては、足し算とかかけ算は、最新のバージョンアップで、やっと可能になった最先端の高度な情報処理能力であって、それでコンピュータに負けてしまったということだ。 人間がコンピュータには直感はないとか、
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
Understanding TensorBoard (weight) histograms
深層学習の数理
