ペパボ研究所による新卒エンジニア向け機械学習研修 - ペパボ研究所ブログ
ペパボ研究所 研究員／プリンシパルエンジニアの三宅(@monochromegane)です。 ペパボ研究所では、新卒のエンジニア研修の一環として、2020年7月13日から5日間に渡って機械学習入門の研修を担当しました。 本エントリでは、研修内容をスライドと共に紹介します。 GMOペパボの新卒エンジニア研修における機械学習研修の位置付け GMOペパボの新卒エンジニア研修は、5月のGMOインターネットグループでの合同研修プログラム（GMO Tech Bootcamp）と、6〜7月のGMOペパボでの研修プログラムから構成されています。 6月以降の研修では、Webアプリケーション、フロントエンド、セキュリティ、コンテナとデプロイなど様々な技術要素についてプログラムが組まれており、今年から機械学習研修がこれに連なることになりました。 VP of Engineering 兼技術部長の @hsbt の言葉
第5回 お勧めの、TensorFlow 2.0最新の書き方入門（エキスパート向け）
どの書き方を採用すべきか 公式チュートリアルでは、「初心者向け」と「エキスパート向け」という2つのクイックスタートが用意されており、これは前掲の図における（1）と（4）に該当する。本連載ではそれに合わせて、初心者は（1）、初中級者以上は（4）をお勧めとしている。 （4）や（5）のSubclassing（サブクラス化）モデルは、「Pythonを使ってコーディングしている」感がより強まる。それに伴い、どうしてもコード量が飛躍的に増えがちである。しかしこれは、（1）や（2）のSequentialモデルだとメソッド内に隠蔽（いんぺい）されていた学習処理を細かく制御したり、柔軟なカスタマイズができたりするというメリットの裏返しでもある。 どの書き方にもメリット／デメリットはあるので、まずは使える書き方や、気に入った書き方から始めてみるのもよいだろう。特にKerasに慣れている人の中には、「（4）／（
TensorFlow 2 quickstart for beginners | TensorFlow Core
/tmpfs/src/tf_docs_env/lib/python3.9/site-packages/keras/src/layers/reshaping/flatten.py:37: UserWarning: Do not pass an `input_shape`/`input_dim` argument to a layer. When using Sequential models, prefer using an `Input(shape)` object as the first layer in the model instead. super().__init__(**kwargs) WARNING: All log messages before absl::InitializeLog() is called are written to STDERR I0000 00:
【終了しました】 『ゼロから作る Deep Learning ❸』公開レビューのお知らせ｜斎藤 康毅（さいとう こうき）
こんにちは、斎藤 康毅（さいとう こうき）といいます。ここ1年間はずっと本を書いていました。『ゼロから作る Deep Learning ❸ — フレームワーク編』という本です。最近ようやく、原稿を書き終わろうとしています。 この本は「ディープラーニングのフレームワークを作ろう」という本です（野心的にも、オリジナルの「フレームワーク」をゼロから作ります）。世界中を見回しても、ほとんど類書がないような本になっていると思います。これから先、できるかぎり良い本になるよう、最後の最後までブラッシュアップしていく予定です。 さて、今回も前作同様に「公開レビュー」を行います。興味のある方は、オンラインで原稿を読めるページを用意していますので、チェックしてみてください（無料です！）。問題に感じた箇所や改善すべきと思った点など、コメントいただけますと幸いです。どんなに小さな指摘や疑問でも構いませんので、気軽
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
Jetson Nano関係のTIPSまとめ - Qiita
Jetson Nanoの初期セットアップ方法・必要周辺機器など NVIDIAのシングルボードコンピュータJetson Nano買いました。購入方法や、セットアップ方法は、ブログに書いたので以下記事参照下さい。 Jetson Nanoをセットアップしてディープラーニングで画像認識試してみた Jetson Nanoの購入先はいろいろあるので、以下参照ください。 Jetson Nano購入先まとめ 必要な周辺機器などは、以下の記事にまとめていますので参照下さい。 Amazonでまとめて買える！Jetson Nanoのおすすめ周辺機器 本記事では、Jetson Nanoに関するちょっとしたTIPSや有益な情報などをまとめていきます。随時更新しています。 追記：JetPack4.4/4.5に対応した記事を書きました Jetson NanoにJetPack 4.4/4.5を入れてTensorFlow・
深層学習とTensorFlow入門
3. 3 普段やっていること データマイニング案件の受託開発 データ整形〜実行環境におけるPDCAまで 2017/9/19 Singularity Copyright 2016 Singularity Inc. All rights reserved 要件定義及 びデータ項 目確認 設計 実験計画 データセット準備 モデ ル 実 装 学習・評価＆ チューニング 論文調査 手法選定 データ選定 インフラ設計 根幹に関わる部分なので慎重に 行う必要がある。 データセット収集 データセット作成 データ前処理 読込プログラム作成 経験上かなりの時間が 取られる 学習 評価 パラメータ変更 データ見直し もっとも時間がかかる フェーズ
TensorFlow.jsがChromeでWebWorker上でもWebGL backendで動く - すぎゃーんメモ
tensorflow.js は処理の重さ的に worker で動かしたいのだがまだ WebWorker で動かすと cpu backend に fallback してしまうので、この issue ずっとみてる https://t.co/KYGEQSFwq5— 無糖派層 (@mizchi) July 30, 2019 僕も以前にWebWorker上でTensorFlow.jsを使おうとして WebGL backendで動かないことに気付いて諦めていたのだった。 memo.sugyan.com …と思っていたのだけど、どうも先月くらいの @tensorflow/tfjs@1.2.2 あたりから ChromeではOffscreenCanvasというのを使ってWebWorker上でもWebGL backendで動くようになったようだ。 試してみたところでは 動くのはChromeのみで、Safari
RNN：時系列データを扱うRecurrent Neural Networksとは
Recurrent Neural Networksとは何か RNNの応用事例 機械翻訳 音声認識 画像の概要生成 説明文からの画像生成 知っておくと便利なRNNの種類と進化 Simple RNN LSTM GRU Bi-directional RNN Attention RNN Quasi-Recurrent Neural Network TensorFlowによるRNNの実装 まとめ 参考文献 人間は、目の前で起きた出来事から、次に起こりそうな出来事を予測しながら文脈を読んで判断を下すことができます。例えば、車を運転している際に歩行者が飛び出しそうだと思えば、十分な間隔を置いて走行することが出来るでしょう。 また、現実世界は時間の制約を受ける事象はたくさんあります。アニメーションなどのストーリーでは、前回の文脈を前提として次の展開が進んでいきます。 Recurrent Neural Ne
KerasでTensorboardを使用する際のTips - Qiita
対象読者 Tensorboardを使っている人 おまけ Kerasに関する書籍を翻訳しました。画像識別、画像生成、自然言語処理、時系列予測、強化学習まで幅広くカバーしています。 直感 Deep Learning ―Python×Kerasでアイデアを形にするレシピ Tensorboardとは モデルの値を確認する可視化ツールであり、日々確認できる項目が増えています。 これを使いこなせると機械学習エンジニアの仕事がスムーズになると思います。 この記事で紹介するTensorboardの機能 SCALARS： ロスや精度などの学習中の挙動を確認するために使用 IMAGES：各層の重みやバイアスの遷移が確認できる GRAPHS：モデルの構成を確認するために使用 DISTRIBUTIONS：各層の値の分布 HISTOGRAMS：各層の重みのヒストグラム PROJECTOR：識別などで潜在空間が適切に
TensorFlow : Guide : TensorBoard: グラフ視覚化 – TensorFlow 2
TensorFlow : Guide : TensorBoard : グラフ視覚化 (翻訳/解説) 翻訳 : (株)クラスキャット セールスインフォメーション 更新日時 : 07/14/2018; 09/12/2017 作成日時 : 02/12/2016 * TensorFlow 1.9 でドキュメント構成が変わりましたので調整しました。 * 本ページは、TensorFlow 本家サイトの Guide – TensorBoard – Graph Visualization を翻訳した上で 適宜、補足説明したものです： https://www.tensorflow.org/guide/graph_viz * (obsolete, リンク切れ) 本ページは、TensorFlow 本家サイトの Get Started – TensorBoard: Graph Visualization を翻訳し
[Keras/TensorFlow] KerasでTensorBoardの利用 - Qiita
サンプルファイル作成 ~/にmnist_mlp_tb.pyを配置 こちらのファイルの以下をベースは変更した。 https://github.com/fchollet/keras/blob/master/examples/mnist_mlp.py スクリプト中の### add for TensorBoard と ### で囲まれた部分が追加箇所。 from __future__ import print_function import keras from keras.datasets import mnist from keras.models import Sequential from keras.layers import Dense, Dropout from keras.optimizers import RMSprop batch_size = 128 num_classes
![[Keras/TensorFlow] KerasでTensorBoardの利用 - Qiita](https://cdn-ak-scissors.b.st-hatena.com/image/square/9611590656fb1a4c10eb4ab6e79c22613700d089/height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fcdn.qiita.com%252Fassets%252Fpublic%252Farticle-ogp-background-412672c5f0600ab9a64263b751f1bc81.png%3Fixlib%3Drb-4.0.0%26w%3D1200%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTk3MiZoPTM3OCZ0eHQ9JTVCS2VyYXMlMkZUZW5zb3JGbG93JTVEJTIwS2VyYXMlRTMlODElQTdUZW5zb3JCb2FyZCVFMyU4MSVBRSVFNSU4OCVBOSVFNyU5NCVBOCZ0eHQtYWxpZ249bGVmdCUyQ3RvcCZ0eHQtY29sb3I9JTIzMjEyMTIxJnR4dC1mb250PUhpcmFnaW5vJTIwU2FucyUyMFc2JnR4dC1zaXplPTU2JnM9ZThjMDQ2ODFmOTQ3NzBjMjliMjhhM2I4ODk0YjRhMjQ%26mark-x%3D142%26mark-y%3D57%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZoPTc2Jnc9NzcwJnR4dD0lNDBhZ3Vtb24mdHh0LWNvbG9yPSUyMzIxMjEyMSZ0eHQtZm9udD1IaXJhZ2lubyUyMFNhbnMlMjBXNiZ0eHQtc2l6ZT0zNiZ0eHQtYWxpZ249bGVmdCUyQ3RvcCZzPWQyMWFlMGMwMWExMGZmMDkwNTk4ZmVmZmJjNzBiN2Q5%26blend-x%3D142%26blend-y%3D486%26blend-mode%3Dnormal%26s%3D03ee2535872439a876048069b90faac7)
1
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
第2回 ニューラルネットワーク最速入門 ― 仕組み理解×初実装（中編）
Understanding TensorBoard (weight) histograms