ディープラーニングで文書分類（２） | developer's blog
はじめに 前回ディープラーニング（CNN）を使って、文書分類を行う方法を示した。 今回は、前回示した方法を使って、Livedoor Newsコーパスをカテゴリー分類する分類器をTensorflowで実装していく。 全体像おさらい 今回作成するモデルの全体像は以下の図の通り。 詳細は前回の記事参照。 インプットデータの作成 Livedoor Newsコーパスの各文書を以下の図のような行列にする。 行=各文書の単語。行数を合わせる為に、500単語で区切っている。 列=各単語をWord2Vecで変換した100次元のベクトル。 models = { # ファイル名で当該文書の行列が取得できるようにする 'it-life-hack-6292880.txt':[ [-2.27736831e-01, -6.95074769e-03,...], # 旧式 [1.1219008 , -2.06810808,
Convolutional Neural Networkを使ったもう1つのスタイル変換手法 - Qiita
画像提供元: コンテンツ画像: 写真画像ぱくたそ 油彩のスタイル画像: chainer-goghのリポジトリ ペン画のスタイル画像: Alice-in-wonderland.net 概要 MRFを使ったスタイル変換では以下のような画像を生成します。 内容がコンテンツ画像に近い 局所的なスタイルが、スタイル画像の局所的にスタイルに近い Neural-styleが画像全体のスタイルをスタイル画像に近づけるのに対し、MRFでは局所的なスタイルをスタイル画像に近づけるという違いがあります。 既存の実装 Torch実装: https://github.com/chuanli11/CNNMRF アルゴリズム タイトルに"Markov Random Field (MRF, マルコフ確率場)"が入っていますが、MRFはアルゴリズムの肝ではないので説明は割愛させていただきます。 入力と出力 コンテンツ画像と
講義まとめ：自然言語処理のための深層学習（CS224d） - Qiita
CS224d(自然言語処理のための深層学習)はスタンフォード大のRichard Socherが2015年から教えている講義で、動画やスライドなどの講義資料と演習問題がウェブ上で無料で公開されています。 [CS224d: Deep Learning for Natural Language Processing] (http://cs224d.stanford.edu/) 会社の勉強会で週1回半年程度かけて講義動画と演習を終えたため、勉強したことを簡単にまとめてみたいと思います。 なぜ今なのか？ 深層学習（Deep Learning）は2000年代後半のRBMやauto-encoderなどの教師なし学習から流行が始まりましたが、それらを教師あり学習の事前学習に使うアプローチは徐々に衰退し、2010年代前半には画像認識のための畳み込みネットワークがImageNetコンテストのおかげで爆発的に有
Blenderでモデリングした車をUnityで手軽に走らせてみる - Qiita
対象 Blender等の3Dモデラーで作った車を、眺めるだけじゃなく簡単に走らせてみたい でも、Unityの勉強までしたいわけじゃない という人向け。 やることの概要 Unityにドライビングゲーム作成のチュートリアルがあるので、その車の3Dモデル(.fbx形式)をオリジナルのものに置き換えます。 チュートリアルの車。これを・・ Blenderで作った車に置き換えると・・ （もっと造形愛を…汗） こうじゃ！ ※ 3Dモデルを置き換えるだけなので、テクスチャは多分付かないです。そこから先はお勉強になります^^; Unityのインストール まずはUnityのインストールです。（執筆時点でUnity5.3.x） ダウンロード インストール ライセンス登録（大雑把に、個人利用は無料） この辺は特に迷うことはないと思います。Google検索でUnity 入門 インストールなどで調べてみてください。
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
長文日記