WebGL用のJavaScript行列計算ライブラリMatrixGLを公開しました
WebGLを扱う際には行列計算というのがどうしても必要になってきます。だいたいは既存のライブラリを使ってなんとかしたりするのですが、現状あまり選択肢は多くありません。そこで新しいライブラリであるMatrixGLを作って公開しました。 経緯 私はたまにWebGLをいじるのですが、やっぱりどうしても行列計算が面倒です。WebGL用の行列計算ライブラリというと、glMatrixという有名なライブラリがあるのですが、昔ながらのC言語的なAPIで、どうしてもJavaScriptでは使いにくく感じていました。OpenGL自体とは相性いいAPIだとは思うんですけどね。 「まあ誰かがそのうちJavaScript的な使いやすいの作ってくれるだろう」とずーーーーっと待っていたのですが、待てど暮らせど全く出てこないという状況でした。みんなglMatrixで満足してるのか、それかThree.jsとか使ってるから特
【Deep Learning with Python】ディープラーニングの基礎と構成要素 - Going Faraway
前回まで、書籍のサンプルプログラムを動作させてみた。ここでは、ディープラーニングの動作原理の基礎と構成要素を簡単にまとめる。「Deep Learning with Python」本の中では、2章〜4章にまたがって説明されている内容をまとめたもの。 ニューラルネットの計算は一体何をしているかと言うと、「前の層から入力された値の重み付き和を取った後、バイアス項として定数を加える。得られた値に対して何らかの関数 (ほとんどの場合において非線形関数) を適用する」という計算をしている。Pythonのコードで書くと以下の通り。 output = relu(dot(W, input) + b) 各変数はテンソルである。数学の人には怒られそうだけど、実務的にはNumpyの多次元配列と思っておけば良い。inputが入力、Wが重み、bがバイアスを表す。また、関数dotはテンソルのドット積で、reluはランプ
Live CV
Live CV is a computer vision environment that generates results while coding. It offers Tools to help learn and understand computer vision algorithms Abilities to combine algorithms and progressively achieve desired results Interactive components used to tweak parameters Support for cross-platform executable scripts Libraries to link and extend existing c++ algorithms Live CV is an open source pro
[Keras/TensorFlow] 転移学習（Fine-tuning） - Qiita
目的 ゼロからKerasとTensorFlow(TF)を自由自在に動かせるようになる。 そのための、End to Endの作業ログ(備忘録)を残す。 ※環境はMacだが、他のOSでの汎用性を保つように意識。 ※アジャイルで執筆しており、精度を逐次高めていく予定。 目次 Keras(Tensorflow)の環境構築 KerasでMINSTの学習と予測 KerasでTensorBoardの利用 Kerasで重みファイルの保存/読み込み Kerasで自前データの学習と予測 Kerasで転移学習 <---いまココ 概要 このページを読んでできるようになること VGG16のFine-tuningによる17種類の花の分類 で紹介されている fine tuning のサンプルプログラムを動かす。 上記の学習はCPUだと2日間近くかかるため、事前に用意してある学習済みのパラメータを読み込み、学習結果を確認
![[Keras/TensorFlow] 転移学習（Fine-tuning） - Qiita](https://cdn-ak-scissors.b.st-hatena.com/image/square/20db07e77091ff67d831f0a8d731e9e6fe45b420/backend=imagemagick;height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fqiita-user-contents.imgix.net%252Fhttps%25253A%25252F%25252Fcdn.qiita.com%25252Fassets%25252Fpublic%25252Farticle-ogp-background-afbab5eb44e0b055cce1258705637a91.png%253Fixlib%253Drb-4.1.1%2526w%253D1200%2526blend64%253DaHR0cHM6Ly9xaWl0YS11c2VyLXByb2ZpbGUtaW1hZ2VzLmltZ2l4Lm5ldC9odHRwcyUzQSUyRiUyRnMzLWFwLW5vcnRoZWFzdC0xLmFtYXpvbmF3cy5jb20lMkZxaWl0YS1pbWFnZS1zdG9yZSUyRjAlMkY3Mzg4MSUyRmUyZjAxN2YwMDliYzYyOTQ5OTQxYzJiYmZmOTNhNmM3MzMwYzkzYjglMkZsYXJnZS5wbmclM0YxNzE5NjI1ODc4P2l4bGliPXJiLTQuMS4xJmFyPTElM0ExJmZpdD1jcm9wJm1hc2s9ZWxsaXBzZSZiZz1GRkZGRkYmZm09cG5nMzImcz03MjlmMGJiYjBiNGFlYWZlZjliNjJmNjBlMGVhYzhhMg%2526blend-x%253D120%2526blend-y%253D467%2526blend-w%253D82%2526blend-h%253D82%2526blend-mode%253Dnormal%2526s%253D2f8c0660fa8de5a310ce7502fdbc7a45%3Fixlib%3Drb-4.1.1%26w%3D1200%26fm%3Djpg%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjEuMSZ3PTk2MCZoPTMyNCZ0eHQ9JTVCS2VyYXMlMkZUZW5zb3JGbG93JTVEJTIwJUU4JUJCJUEyJUU3JUE3JUJCJUU1JUFEJUE2JUU3JUJGJTkyJUVGJUJDJTg4RmluZS10dW5pbmclRUYlQkMlODkmdHh0LWFsaWduPWxlZnQlMkN0b3AmdHh0LWNvbG9yPSUyMzFFMjEyMSZ0eHQtZm9udD1IaXJhZ2lubyUyMFNhbnMlMjBXNiZ0eHQtc2l6ZT01NiZ0eHQtcGFkPTAmcz01MGFjNzM2MzdiOGE2OTJkMDBlYTE5Yzc4MGMxNzM4OQ%26mark-x%3D120%26mark-y%3D112%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjEuMSZ3PTgzOCZoPTU4JnR4dD0lNDB0c2hpbWJhJnR4dC1jb2xvcj0lMjMxRTIxMjEmdHh0LWZvbnQ9SGlyYWdpbm8lMjBTYW5zJTIwVzYmdHh0LXNpemU9MzYmdHh0LXBhZD0wJnM9ODk1MWE5NzA2NDQ4ODk5ZWU3ZGVjYWMwODQ1Mjg0NjE%26blend-x%3D242%26blend-y%3D480%26blend-w%3D838%26blend-h%3D46%26blend-fit%3Dcrop%26blend-crop%3Dleft%252Cbottom%26blend-mode%3Dnormal%26s%3D6affcf7cd1e13b92d4b7a1edd58fce9f)
C#からOpenCLを便利に使う - Qiita
いいたいこと C#向けライブラリを作ったから紹介したい。 C#で使うときの障壁 OpenCL1.2までしか対応してない .NETから使えるライブラリ(OpenCL.Netとか)も存在するが、開発が止まっていてなおかつOpenCL1.2までしか対応していない。ホスト-デバイス間のメモリ転送とか面倒。 オブジェクト指向っぽくない 私の使い方が下手くそなだけだったらごめんなさい いちいちカーネルとかコマンドキューとかコンテキストとか、そういったあまり重要でないものを持ちまわるのが面倒くさい。 そもそも定型的なところが多い しばらく使ってると出てくる定型文を吸収して欲しい。あと、そんなに高度な機能を必要としていないことが多い。 C++向けライブラリをラップする必要がある 自力でラッパー書くのはしんどい。 OpenCL for Netという選択 面倒くさいところを程よくラップしてくれるC#向けOpe
人工知能フレームワーク入門（第3回）：TensorFlowに付属する支援ツール「TensorBoard」を使う | さくらのナレッジ
TensorFlowには計算グラフや学習過程を分析するためのツールである「TensorBoard」が付属している。これを利用することで、計算グラフを実際のグラフの形状で表示したり、学習処理の経過によるモデルの変化をグラフで表示するといったことが可能になる。今回はこのTensorBoardについて紹介する。 TensorBoardとは 前回記事ではTensorFlowを使って3層のニューラルネットワークを構築し、画像の分類処理を実行する例を紹介した。本連載では続いてこのニューラルネットワークを発展させた深層学習（ディープラーニング）について解説していく予定だが、その前に少々寄り道して、TensorFlowが備えるいくつかの便利な機能について紹介しておこう。 まず紹介するのは、TensorFlowをインストールすると同時に利用可能になるTensorBoardだ。TensorBoardは学習プロ
TensorFlowのチュートリアルを通して、人工知能の原理について学習する - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? 以下のことについて知りたい人向けの記事。 ①機械学習の利点と欠点、TensorFlowの利点と欠点 ②ニューラルネットワークの原理についての簡潔な説明 (オンライン書籍：http://nnadl-ja.github.io/nnadl_site_ja/index.html をまとめたもの) ③TensorFlowのチュートリアルに沿ってプログラム作成、その実行結果 以下、参考にしたサイト 1次関数の近似： https://www.tensorflow.org/versions/master/get_started/index.html h
【物体認識】TensorflowのObject Detection APIをWindows ローカルでやるとハマる所【ラジコン自動運転】
Tom's Hobby 地球にも、人にも優しく生きたい。そんな思いで暮らすこと。大切な人大切なもの、大好きなもの ずっと一緒にいたいから ラジコン自動運転で。。 Donkeyでラジコン運転するところまで出来たのですが、 【ラジコン自動運転】Donkey 2のキャリブレーションとか。。やってみる【Python】 自動運転するには、学習させないといけないので、GPUがないと。。辛いってことがわかり、少し止まっています。Floydhubでする環境を作ってやってみるかな？とも思うのですが。。なんとなく出来そうだろうなぁ~という確認はできたので、もうひとつのアプローチとして、物体があることを検出できれば、その間を行くとかそういうこともできますし。。草刈りロボットにするには、人間が居たら止まるとかしないといけないので、物体検出の方を少しやってみようかと。。 物体検出 OpenCVでもできますし、本当に
ポアンカレエンベッディング - にほんごのれんしゅう
ポアンカレエンベッディング Euclid空間にエンベッディングするようなword2vecは意味の上下関係が明示的に記されません。(情報としたあったとしても僅かでしょう) ポアンカレボールという双曲幾何学空間に埋め込むことで、効率的に意味(や木構造)の上位関係をとらえることができます[1] 理解 ポアンカレボールはこのような、外周部に行くほど密になる球みたいなものなのです。 図1. ハニカム構造のPoincare Ball(Wikipediaより) ポアンカレボールでは外に行くほど情報が密になり、空間が広がっているともとらえます。 数式で表現するとこのようになって、 gEというユークリッド距離がxが1に近づけば無限に大きくなることがわかります。 このポアンカレボール上にある二点間の距離はこのように表現され、単純なユークリッド距離ではないことが見て取れます。 この距離関数に基づいて損失関数L(
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
Keras(+Tensorflow)でMNISTしてみる - Qiita
フィボナッチ数列は２進数でも美しいのか(PDF)