サクサク読めて、アプリ限定の機能も多数!
トップへ戻る
Pixel 9
qiita.com/miyamotok0105
バンドルIDは、アプリケーションを識別ために使われます。 バンドルIDの文字列は、英数字(A-Z、a-z、0-9)、ハイフン(-)、ピリオド(.)のみで構成しないといけないです。 組織のドメインがAcme.comで、Helloという名前のアプリケーションを作成する場合、バンドルIDは 「com.Acme.Hello」 という文字列です。 バンドルIDの具体的な保存場所と用途 ここはあまり詳しく読まないでいいような気もした。 1.Xcodeプロジェクト バンドルIDを「情報プロパティリスト」ファイル(Info.plist)に保存します。このファイルは、ビルドの際、アプリケーションバンドルにコピーされます。 2.iTunes Connect バンドルIDを入力することによりアプリケーションを特定します。アプリケーションの最初のビルドをiTunes Connectにアップロードすると、バンドルI
この記事は1台のサーバーで回す時の話。5台とか使う様になるといちいちサーバー入ってdocker入って作業して抜けるというアホらしいことをすることになる。その辺は後々自動化していきた。 サーバーで学習を回すと数時間から数日コンソールでログが流れる。 その間パソコンを切れないのは嫌だからコマンドをいちいち作ってた。 ただnohup,screen,tmuxってのがあるらしく他の記事にも書いたのだが便利なので再度メモ。 どれかを使えばいい。 nohupを使う サーバー側で学習をさせる場合はnohupを使うとバックグラウンドで動いてくれるので便利 nohupはターミナルの接続が切れた場合にハングアップシグナル(SIGHUP, HUP)という強制終了の命令を無視する。 こんな感じで書く。
昔はC#をメインで使ってたのでホームに帰ってきた気分。 unityのIDEさえ覚えれば使えるようになる。 ゲームプログラマにとっては当たり前の操作なのかもですが、 あまり関節とか意識することがなかったので勉強しようと思ってアセットを買いました。 Final IK https://www.assetstore.unity3d.com/jp/#!/content/14290 とりまこれでいいだろうと思って買いました。 ちょっと前まで半額だったそうで、良さげのアセットは半額のうちに買っとけって感じみたい。 まずはボールに向かってパンチ 実行してみる Aim IKをダブルクリック。 ▷の実行ボタンを押すと動く。 unityではGameObject.GetComponentを使わないと呼べないオブジェクトとGameObject.GetComponentを使わなくても呼べるオブジェクトがあるようです。
anaconda環境でのcaffeを動かしたかったが、Makefile.configを変更してもうまく動作せず。いったんバージョン管理を使わない環境での構築手順はメモしておく。 間違っていたら連絡を頂ければありがたいです。 ubuntuでのインストール 一般的な依存関係 sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler sudo apt-get install --no-install-recommends libboost-all-dev
linuxではusbを指しただけでは接続できない場合があります。 その場合は手動で接続してあげる必要があります。 認識しているデバイスを探す usbを差した時に増えてるデバイス名を確認します。
var myString:NSString = "I AM KIRIT MODI" var myMutableString = NSMutableAttributedString() override func viewDidLoad() { myMutableString = NSMutableAttributedString(string: myString, attributes: [NSFontAttributeName:UIFont(name: "Georgia", size: 18.0)!]) myMutableString.addAttribute(NSForegroundColorAttributeName, value: UIColor.redColor(), range: NSRange(location:2,length:4)) // set label Attrib
無駄な記述が多かったので書き直しました。こっちの方が早くみ終わります。 http://qiita.com/miyamotok0105/items/5f26e4ae41f0e35ded16 deep learing勉強用に環境構築。 結構苦労したので自分用にまとめました。 あまり相性が良くないようですが、anacondaとpyenv両方を入れています。 condaで環境切り替えします。 環境設定ツール ・pyenv,anyenv...pythonバージョンの切り替え ・virtualenv...pythonライブラリの独立環境構築 ・anaconda...pyenvとvirturalenvの合体 ・brew...macのライブラリ管理ツール ・pip...pythonのライブラリ管理ツール ・conda...pythonのライブラリ管理ツール 環境構築でよくあるエラー インストールされてない
darknet yoloにはv1とv2があり、c言語で書かれている。 tensorflowバージョン https://github.com/gliese581gg/YOLO_tensorflow kerasバージョン https://github.com/sunshineatnoon/Darknet.keras torchバージョン https://github.com/tommy-qichang/yolo.torch chainerバージョン https://github.com/ashitani/YOLO_chainer chainerバージョン yolov2 神説明 https://github.com/leetenki/YOLOv2 windowsバージョン https://github.com/AlexeyAB/yolo-windows windows版の詳しい使い方 https
はじめはこの辺の記事を読み漁った。 https://www.slideshare.net/cookle/5-58379474 http://qiita.com/hshimo/items/1881fba8957c2a6e17ca http://qiita.com/akitoh/items/bebf1bf3d71d3e4b96b0 で、ブロックチェインがすごくて役に立つのはわかった。 ざっくりしかわかってないが、ともかく動かしたい。間違ってたら突っ込んで頂ければと。 前から気になってたbigchaindbってライブラリを使ってみる。スケーラブルなブロックチェインdbだよと書いてある。 純粋なp2pって感じではなく分散DBとブロックチェーンが融合したライブラリ。 公式 https://docs.bigchaindb.com/en/latest/index.html BigchainDB ユースケ
気になる記事があったのでメモ。 http://datascience.ibm.com/blog/the-mathematics-of-machine-learning/ ここ数ヶ月で、私は、データ科学の世界への挑戦と、機械学習(ML)技術を使用して統計的規則性を探り、完璧なデータ駆動型製品を構築するという熱意について、私に連絡しました。しかし、私は実際に有用な結果を得るために必要な数学的な直感とフレームワークがないことを知っています。これが私がこのブログ記事を書くことにした主な理由です。最近では、scikit-learn、Weka、Tensorflow、R-caretなどの使いやすいマシンやディープ・ラーニング・パッケージが多数利用できるようになっています。機械学習理論は、統計的、確率的、コンピュータ的データから繰り返し学習し、インテリジェントなアプリケーションを構築するために使用できる隠
これは過去2〜3年で非常に普及しました。最近Tanh関数とのコンバージェンスが 6倍改善されていることが証明されました。 機械学習とコンピュータサイエンスでは、最もシンプルで一貫性のあるテクニックと方法が優先され、最良の方法であることに気付きました。したがって、消失勾配の問題を回避し、修正する。ほとんどすべての深い学習モデルは現在 ReLuを使用しています。 しかし、その限界は、ニューラルネットワークモデルの隠れ層内でのみ使用すべきであるということです。 したがって、出力層では、Classification問題にSoftmax関数を使用してクラスの確率を計算し、回帰問題に対しては単純に線形関数を使用する必要があります。 ReLuのもう1つの問題は、勾配がトレーニング中に壊れやすく、死ぬことがあるということです。それは、いかなるデータポイントでも再び活性化されないようにする、ウエイトの更新を
Volatile GPU-Utilが0%なのにプロセスは立っててメモリは使われてる。ってことが起きた。 資料を見たけど、ただメモリだけ使ってるって状態なのだと解釈してる。 Thu Mar 2 13:49:14 2017 +-----------------------------------------------------------------------------+ | NVIDIA-SMI 367.57 Driver Version: 367.57 | |-------------------------------+----------------------+----------------------+ | GPU Name Persistence-M| Bus-Id Disp.A | Volatile Uncorr. ECC | | Fan Temp Perf Pwr:
Processesには何もないのにMemory-Usageでメモリいっぱい使っている。 これのせいでout of memoryになって何も実行できない。 +------------------------------------------------------+ | NVIDIA-SMI . Driver Version: | |-------------------------------+----------------------+----------------------+ | GPU Name Persistence-M| Bus-Id Disp.A | Volatile Uncorr. ECC | | Fan Temp Perf Pwr:Usage/Cap| Memory-Usage | GPU-Util Compute M. | |===================
動画 Generalization and Equilibrium in Generative Adversarial Nets (GANs) torch7のpix2pix torch7がオリジナル http://qiita.com/masataka46/items/3d5a2b34d3d7fd29a6e3 DCGANアーキテクチャ https://www.slideshare.net/xavigiro/deep-learning-for-computer-vision-generative-models-and-adversarial-training-upc-2016 https://blog.openai.com/generative-models/ 敵対生成で画像を生成する。ノイズを入力し、ジェネレーターで偽の画像を生成。ディスクリミネータで本物の画像を判定する。 ジェネレータで画
大まかにいうと v1よりちょっと早くなったよ 検出できるクラス数が増えたよ(9000クラス) 犬の中にいろんな種類がいるよねってのまで学習できてる。すごい。 imagenet自体がwordnetという階層構造になっているので、 それでクラスを増やして各ノードで条件付き確率を予測が可能なようだ。 imagenet http://image-net.org/about-overview ImageNetは、WordNet階層に従って編成された画像データセットです。 WordNetの意味のある概念は、複数の単語や語句によって記述される可能性があり、「同義語セット(synonym set)」または「synset」と呼ばれます。WordNetには100,000以上のsynsetがあり、その大部分は名詞(80,000+)です。ImageNetでは、各synsetを説明するために平均1000枚の画像を提
opencvははじめはmakeしたりしたけどうまくいかないので、brewで入れた 拡張機能はcondaなどでも提供されてないのです。 ソースここ https://github.com/miyamotok0105/opencv3_textdetection 結論から言うとチューニングが大変。もっと簡単にいくよとかありましたら意見お待ちしてます。 やりたかったことこいつ 文字領域検出用のERFilterの使い方 opencvで領域検出できるらしい。 opencvのバージョン3でさらに拡張機能なのですね。 まだちゃんとテストできてなかったりする機能はこっちに入ってるそうな。 公式 https://github.com/opencv/opencv_contrib 入れてみると python textdetection.py scenetext_word01.jpg A demo script of
どうも。GIBの宮本です。 公式ドキュメントベースで調べました。 chainerにかなり近い構文になってますが、少し違いがある関数もあるので注意が必要です。 facebookやニューヨーク大学が主導してるイメージの深層学習フレームワーク。 chainerからforkされたらしい。torch7もfacebookやニューヨーク大学が主導してるイメージ。 torch7はluaで且つ抽象化があまりされてないので関数がむき出し。 pytorchはかなり抽象化されておりコーディング量が減る。 2017年3月時点のデベロッパー コミッターさんのブログ Adam Paszkeさん http://apaszke.github.io/posts.html Soumith Chintala http://soumith.ch/ 盛り上がり具合 2017年3月時点。一概にgitのグラフで盛り上がり具合が測れるかは
始めに chainerと似て抽象化がされている。 違いの一例としてはネットワークの定義でユニット数の書き方がchainerと逆になってる。Dense(1, input_dim=784,... 出力ユニット数,入力ユニット数の順になってる。 この記事では関数の紹介、使い方、どこで使われてるかを説明できる範囲で紹介します。 ※layer_testというサンプルが多用されてますが、ただのテストコードなことに後で気づきましたので、そのうち直します。 継承関係 Layer ↑ Container ↑ Model ↑ Sequential Keras v2では名前が変わったりしてます。 今はv1を元に書いています。 http://qiita.com/miyamotok0105/items/322b29339e1771184b9e from keras.models import Sequential
Sparkとは ライトニング高速クラスタコンピューティング。 バッチ処理を大規模分散するライブラリ。分散処理を良しなにやってくれる。 SQL使える。ストリーミングデータ使える。機械学習使える。グラフ理論使える。ディープラーニング載せれる。これらがメモリを駆使して高速にクラスタ分散してくれる。 試した環境 mac python2.7.12 spark-1.6.2-bin-hadoop2.6 Sparkのインストール JDKのインストール
kerasとsparkで分散するフレームワークElephasについて。 hadoop、sparkについての神資料 https://www.slideshare.net/hamaken/hadoop-spark-ibm-datapalooza-tokyo-2016 以下本文。 https://github.com/maxpumperla/elephas#usage-of-data-parallel-models ElephasはKerasの拡張版で、Sparkを使って分散した深い学習モデルを大規模に実行することができます。 Elephasは現在、次のような多くのアプリケーションをサポートしています。 概略的に、elephasは次のように動作します。 コンテンツの一覧: Elephas:Keras&Sparkを用いた分散型ディープラーニング 前書き 入門 インストール 基本的な例 Spark
わざわざベンチマークをやったのを公開してる方もいるので、 フレームワークのバージョンなど少し古い convnet-benchmarks https://github.com/soumith/convnet-benchmarks >すべてのパブリックオープンソースのコンビネーション実装の簡単なベンチマーク。 要約は以下のセクションで提供されています。 マシーン:6-core Intel Core i7-5930K CPU @ 3.50GHz + NVIDIA Titan X + Ubuntu 14.04 x86_64 Imagenet受賞者のベンチマーキング 私はいくつかの人気のイメージネットモデルを選び、完全なフォワード+バックワードパスの時間を計る。私は10回以上の時間を平均しています。私はドロップアウトとソフトマックスの層を無視しました。 記法 入力は{batch_size} x {n
ニューラルネットのハイパーパラメータの最適化には 現状グリッドサーチよりランダムの方が精度が高いと言われている。 理由はどのパラメータが精度向上に影響しているかわからない為、 ランダムで探索し影響の高いところを集中的にチューニングしたほうが効果的だから。 それ以上こって作りたい場合は下記の方法を認識している。 1、ランダム 2、進化計算でハイパーパラメータを最適化 3、ベイズ最適化でハイパーパラメータを最適化 ベイズ最適化はこっち https://github.com/RuiShu/Neural-Net-Bayesian-Optimization 今回は2の進化計算での最適化をメインで理解するために調べた。 ほぼこちらのページの内容です。 http://eplex.cs.ucf.edu/hyperNEATpage/ 関係ないかもだけど分子プログラムも。 こっからググればでてくる。 http
このページを最初にブックマークしてみませんか?
『@miyamotok0105のマイページ - Qiita』の新着エントリーを見る
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