Preferred Networks、深層学習の研究開発基盤をPyTorchに移行 - 株式会社Preferred Networks
PyTorch開発チームおよびオープンソースコミュニティと連携し、フレームワーク開発、MN-CoreプロセッサのPyTorchサポートなどを推進 株式会社Preferred Networks（本社：東京都千代田区、代表取締役社長：西川徹、プリファードネットワークス、以下、PFN）は、研究開発の基盤技術である深層学習フレームワークを、自社開発のChainer™から、PyTorchに順次移行します。同時に、PyTorchを開発する米FacebookおよびPyTorchの開発者コミュニティと連携し、PyTorchの開発に参加します。なお、Chainerは、本日公開されたメジャーバージョンアップとなる最新版v7をもってメンテナンスフェーズに移行します。Chainerユーザー向けには、PyTorchへの移行を支援するドキュメントおよびライブラリを提供します。 PFN 代表取締役社長 西川徹は、今回の
20170422 数学カフェ Part1
1. 数学カフェ 「確率・統計・機械学習」 （Part1） 2017年4⽉22⽇数学カフェ Yahoo! Japan コワーキングスペース LODGE 株式会社Preferred Networks ⼤野健太 oono@preferred.jp 2. ⼤野健太 • twitter: @delta2323_ • 経歴 • 数学専攻（修⼠） → 2012.4 PFI → 2014.10 PFN • 担当 • バイオプロジェクト • Chainerコアチーム • インターン・採⽤チーム 2 3. • 2014年3⽉設⽴ • 本社：東京 アメリカ⼦会社：カリフォルニア州サンマテオ • 社員数：約70名（8割以上はエンジニア・リサーチャー） • 事業内容：深層学習の産業、特に産業⽤ロボット・交通・バイオ ヘルスケアへの応⽤ 3 夏季インターン(5/7締切) フルタイム募集中！
deeplearning(chainer)で超解像やってみた - mikemoke blog
最近、waifu2xというソフトウェアが話題になっています。 ultraist.hatenablog.com 画像拡大後、補正をかけることにより輪郭をシャープに見せるほか、ノイズを除去等できるようです。 ConvolutionalNeuralNetを適用することで実現しているようで、参考にされた論文はこちら。↓ Chao Dong, Chen Change Loy, Kaiming He, Xiaoou Tang, "Image Super-Resolution Using Deep Convolutional Networks" http://arxiv.org/abs/1501.00092 Deepとは言いつつも、CNN３層とネットワーク構造が簡単で、画像が小さければCPUでも計算できそう？ ちょうどchainerを使ってみたいという気持ちがあったので、練習がてら簡単に実装してみました
線画着色webサービスPaintsChainerを公開した - Qiita
http://paintschainer.preferred.tech こちらに先月記事にした線画の着色のデモを公開しました！！ 反響の大きかった皆さんに試していただけます！！（ちょっと期待値が上がり過ぎてないといいですがｗ） http://qiita.com/taizan/items/cf77fd37ec3a0bef5d9d 以前の記事『初心者がchainerで線画着色してみた。わりとできた。』はこちら。 ⇓そしてこちらがもじゃくっきーさんの使用例になっております。 GPUを使っている関係上アクセスが集中したりすると遅くなったりサーバーが落ちたりする可能性もありますが、生暖かく見守っていただければと思います。←たくさんの方に広まったこともあって、めっちゃ重くなっています。ぐぬぬぬ 画面はこんな感じっす。 線画ファイルを選択するととりあえず自動で塗ってくれます。 ※ただし、現状ではgifや
Chainerで学ぶLSTM - kivantium活動日記
このブログで何回も取り上げているように、ニューラルネットワークを用いた機械学習はかなりの力を発揮します。畳み込みニューラルネットワーク(convolutional neural network, CNN)は画像中で近くにあるピクセル同士の関係に注目するなど画像の特徴をうまくとらえたネットワークを構築することでかなりの成功を収めています。ノーフリーランチ定理が示唆するように万能の機械学習器は存在しないため、対象とするデータの特徴を捉えた学習器を構築することが機械学習の精度を上げる上で重要になります。 そこで今回は時系列データの解析に向いた回帰結合ニューラルネットワーク(recurrent neural network, RNN)の精度を上げるのに重要なLSTMを取り上げます。 この記事では誤差逆伝搬などのニューラルネットワークの基本知識は説明しません。誤差逆伝搬についてはPRMLの5章やNe
ディープラーニングの最新動向
NVIDIA Deep Learning Dayでの講演内容です． ディープラーニングの最新の研究成果として強化学習によるロボットカーの制御，バラ積みロボットの認識，駐車場の検出，センサデータからの異常検知，画像生成を紹介しています。Read less
Pythonで書けるDeepLearningのライブラリを比較してみた - のんびりしているエンジニアの日記
皆さんこんにちは お元気ですか。私は元気です。 ChainerのAdvent Calendar第16日目です。 DeepLearningのライブラリの比較を行ってみました。 Chainer Advent Calendar 2015 - Qiita ライブラリ紹介 Chainer chainer.org 日本製PFIが開発したライブラリ。個人的には書きやすくて結構好き。 時系列ニューラルネットワークが組みやすいことを売りにしている。 Tensorflow Googleが公開したライブラリ https://www.tensorflow.org/www.tensorflow.org Googleが公開したことで、評判のライブラリ。 やたらとニュースになるほど凄かったが、果たして他とくらべてどうなのか。 Lasagne github.com Theanoを基盤として書きやすくしたライブラリ Kag
Chainerでファインチューニングするときの個人的ベストプラクティス - Qiita
メリークリスマス！！！！ @tabe2314です。 この記事では、明日から使えるChainerテクニックとして、既存モデルをファインチューンして新しいモデルをつくる際の個人的なベストプラクティスを紹介します。 ニューラルネットを学習するために、別の問題、別のデータセットで学習済みのモデルのパラメータをコピーして、それを新しいニューラルネットのパラメータの初期値として使うことをファインチューニングといいます。 典型的なケースとして、一般物体認識のデータセットであるImageNetで学習したネットワークを物体検出やSemantic Segmentationといった別の問題に使用するといった例があります。 一般的にDeep Learningでは大量の学習データが必要とされていますが、あらかじめ（大量のデータで）学習したモデルを初期値として使いファインチューニングすることで、実際に解きたい問題に関
2015年振り返り
2015 年も残りわずか数時間です． 今年もおつかれさまでした． 個人的に今年を振り返りたいと思います． Deep Learning 個人的に一番大きかった出来事はやはり Chainer でした． Theano や Torch7 がつらくて，特に RNN をもっと直感的にかけないものかと社内で議論していて，そのうちにできる気がしてきて作りました． こんなに大事になるとは思っていませんでした． 見知らぬ人が使ってくれているのを見ると，すごいことになったなと思います． さて，Deep Learning の中身の話としても，今年もいろいろと進展がありました． 最もインパクトがあったのは，BatchNormalization ではないかと思います． もともと ImageNet のタスクで出てきた手法ですが，汎用性が高く，今までうまく最適化できなかったいろいろな NN がこれのおかげで成功し始めてい
Chainerチュートリアル -v1.5向け- ViEW2015
Deep Learning の簡単な説明から実装、そしてChainer の使い方を紹介します。CUDA サポートについても簡単に解説します。 最新のインストール方法も含んでいます。Read less
ニコニコ動画の公開コメントデータをDeep Learningで解析する - Qiita
この記事は第2のドワンゴ Advent Calendar 2015の24日目の記事です。 ドワンゴエンジニアの@ixixiです。 niconicoのデータをDeep Learningなアプローチで解析してみた話です。 nico-opendata niconicoの学術目的用データ公開サイト https://nico-opendata.jp が最近オープンしました。 これまでも、国立情報学研究所にて、ニコニコ動画コメントデータや大百科データが公開されていましたが、 nico-opendataでは、ニコニコ静画のイラストデータの約40万枚のイラストとメタデータが研究者向けにデータ提供されています。 今回は、ニコニコ動画コメントデータ(誰でも取得可能)を用いたDeep Learningによるコメント解析例を紹介します。 超自然言語 ニコニコのコメントデータに限らず、twitterでのtweetや
Chainerによる多層パーセプトロンの実装 - 人工知能に関する断創録
これまでDeep LearningのアルゴリズムをTheanoで実装してきた（2015/4/29）けれど、ここらで巷で大人気のライブラリChainerにも手を出してみた。Theanoの勉強を始めたあとすぐにChainerが公開された（2015/6/9）がユーザや情報が増えるまで待っていた感じ（笑）最近はコードや実験結果などを公開してくれる人が増えてきたので非常に参考になっている。目についたものはてぶに登録しているので、興味を持った手法はがしがし勉強して追試していきたい。 Chainerのバージョンは1.3.2をベースにしている。1.3からPyCUDA/scikit-cudaを独自ライブラリのCuPyに置き換えたとのことで、以前のコードは少し修正しないと動かないようだ。その分、1.3からはインストールがシンプルになっていてとてもうれしい。1.1のころは、Chainerと直接関係ないPyCUD
ディープラーニングセミナー2015(名古屋)に行ってきた | kako blog
ディープラーニングセミナー2015(名古屋)に行ってきた。 セミナー資料は後ほど公開されるそうだ。(追記、資料が公開された。後述) 覚え書きまとめ。 ・CPUに比べてGPUの演算性能の進化が著しい。 ・NVIDIAのGPUはゲーム用に作ってきたが、ディープラーニング需要が増えてきたので、ディープラーニング向けにハードやソフトを開発している。 ・ディープラーニングにはGeForceのTITAN Xとか売れている。次のPascal世代のGPUはディープラーニング向けに単精度計算などの機能が拡張される。 ・車載や組み込み用にはTESLAというチップを搭載したキットを用意している。信頼性確保のためにメモリのECCを使っている。今後はGPU内部のレジスタや一時メモリにもECCを使って、信頼性を上げていく。 ・ディープラーニングの処理で重たいのは入力の畳み込み計算と、全ニューロン素子を通した演算をする
【機械学習】ディープラーニング フレームワークChainerを試しながら解説してみる。 - Qiita
今話題のDeep Learning(深層学習)フレームワーク、Chainerに手書き文字の判別を行うサンプルコードがあります。こちらを使って内容を少し解説する記事を書いてみたいと思います。 (本記事のコードの全文をGitHubにアップしました。[PC推奨]) とにかく、インストールがすごく簡単かつ、Pythonが書ければすぐに使うことができておすすめです！ Pythonに閉じてコードが書けるのもすごくいいですよね。 こんな感じのニューラルネットワークモデルを試してみる、という記事です。 主要な情報はこちらにあります。 Chainerのメインサイト ChainerのGitHubリポジトリ Chainerのチュートリアルとリファレンス 1. インストール まずは何はともあれインストールです。ChainerのGitHubに記載の"Requirements" ( https://github.co
Chainer で Deep Learning: model zoo で R-CNN やりたい - StatsFragments
ニューラルネットワークを使ったオブジェクト検出の手法に R-CNN (Regions with CNN) というものがある。簡単にいうと、R-CNN は以下のような処理を行う。 入力画像中からオブジェクトらしい領域を検出し切り出す。 各領域を CNN (畳み込みニューラルネットワーク) にかける。 2での特徴量を用いて オブジェクトかどうかをSVMで判別する。 R-CNN については 論文著者の方が Caffe (Matlab) での実装 (やその改良版) を公開している。 [1311.2524] Rich feature hierarchies for accurate object detection and semantic segmentation github.com が、自分は Matlab のライセンスを持っていないので Python でやりたい。Python でやるなら 今
機械学習初心者が1からChainerのコードを書き始められるまでの経緯を書いたら長くなりすぎた - sora_sakakiのブログ
情報が増えすぎてまとめ始めたら、すごい量になったので分離しました。 目次 始めた時の状況 ChainerのMNISTのexampleを動かすまで Chainerとは Chainerを入れてexampleを走らせる MNISTってなんだ ディープラーニングってなに？ 失敗１：局所的な話にハマる 失敗2：ディープラーニングなプロダクトを使ってみる 関連：ディープラーニングでなにができるのかを知る まとまった資料を読む Chainerのexampleを解釈する/簡単なコードを書く Chainerの周辺知識(Theano/numpy)を知る Theanoを調べる Chainerと既存のフレームワーク(Theanoを使ったもの)との違い おまけ：numpyを調べる 数学的な背景を学ぶ おまけ MNIST以外のChainerのサンプル ネタ 始めた時の状況 パーセプトロンの概要くらいは知っている Py
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
Deep Learningを用いたロボット制御
Chainer Meetup #02
深層学習ライブラリのプログラミングモデル
Chainerの使い方と�自然言語処理への応用
