RBMから考えるDeep Learning ～黒魔術を添えて～ - Qiita
ずいぶん遅くなりましたが、ひとまず完成です。疑問点・翻訳ミスを始めとした指摘がありましたら、どしどしお願いします(14/12/18)。 1週間あるから大丈夫だろうとたかを括っていたら、あっという間に投稿日になってしまいました。本当はPylearn2を使ってRBMを学習させようと考えていたのですが、役に立つ内容を書くには時間が足りなさすぎるので、お茶を濁します。 今回の目標 Restricted Boltzmann Machine及びDeep Belief Networkの基本的な動作原理を知る "A Practical Guide to Training Redstricted Boltzmann Machine"(GE Hinton, 2012)で黒魔術(RBMの性能を引き出すコツ)を学ぶ 先日、以下のような発表をしました。今回の内容は以下のスライドの焼き直し・改良を含みます。参考にどう
【pylearn2】自分のデータセットを使ってカンタンにGRBMしよう - CORDEA blog
はじめに pylearn2というdeep learning libraryは、installしていくつかのサンプルを動かすだけなら割と簡単です。 ただ、いざ自分の用意したデータセットを使用してdeep learningさせようと思うと意外に大変。 というわけで可能な限り簡単に自分のデータセットを使ってGRBM(Gaussian restricted Boltzmann machine)を行うためのパイプラインを作成しました。 なんか間違ってたら適当に修正して下さい。 hoge_dataset.pyとgrbm.yamlはこちらのプログラムにいくつか私が変更を加えたものです。 私が作成したものではないパラメータ等ありますので、元のリポジトリもご参照下さい。 github.com 方法 pylearn2のinstallはいろんなところで書かれていますので割愛します。 自分のデータセットを作成 識
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
処理を実行中です
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
