Convolutional Neural Networkを実装する - Qiita
Deep Learning系のライブラリを試すのが流行っていますが、Exampleを動かすのはいいとしても、いざ実際のケースで使おうとするとうまくいかないことがよくあります。 なんとか動かしてみたけれど精度が出ない、データの加工の仕方が悪いのか、モデルのパラメーターが悪いのか、原因がぜんぜんわからん・・・という事態を乗り越えるには、やはり仕組みに対する理解が必要になってきます。 そんなわけで、本編では画像の用意という一番最初のスタートラインから、Chainerで実装したCNNを学習させるところまで、行うべき手順とその理由を解説していきたいと思います。 前段として理論編を書いていますが、ここではライブラリなどで設定しているパラメーターが、理論編の側とどのようにマッチするのかについても見ていきたいと思います。 なお、今回紹介するノウハウは下記リポジトリにまとめています。画像認識を行う際に役立て
定番のConvolutional Neural Networkをゼロから理解する
Convolutional Neural Networkとは何か CNNで解決できる問題 Convolutional Neural Networkの特徴 畳み込みとは 合成性 移動不変性 Convolutional Neural Networkの構成要素 ゼロパディング（zero padding） ストライド Fully Connected層 Fully Connected層の問題点 Convolution層 Pooling層 TensorFlowによる実装 TensorFlowのインストール CNNでMNIST文字認識する 参考 近年、コンピュータビジョンにおける最もイノベーションと言えるのはConvolutional Neural Networkといっても過言ではない。 コンピュータビジョンの業界におけるオリンピックとも言えるコンペティションがImageNetである。 そのコンペティシ
畳み込みニューラルネットワークの仕組み | POSTD
(編注：2016/11/17、記事を修正いたしました。) ディープラーニングの分野でテクノロジの進化が続いているということが話題になる場合、十中八九畳み込みニューラルネットワークが関係しています。畳み込みニューラルネットワークはCNN（Convolutional Neural Network）またはConvNetとも呼ばれ、ディープニューラルネットワークの分野の主力となっています。CNNは画像を複数のカテゴリに分類するよう学習しており、その分類能力は人間を上回ることもあります。大言壮語のうたい文句を実現している方法が本当にあるとすれば、それはCNNでしょう。 CNNの非常に大きな長所として、理解しやすいことが挙げられます。少なくとも幾つかの基本的な部分にブレークダウンして学べば、それを実感できるでしょう。というわけで、これから一通り説明します。また、画像処理についてこの記事よりも詳細に説明
Customization basics: tensors and operations | TensorFlow Core
This is an introductory TensorFlow tutorial that shows how to: Import the required package. Create and use tensors. Use GPU acceleration. Build a data pipeline with tf.data.Dataset. Import TensorFlow To get started, import the tensorflow module. As of TensorFlow 2, eager execution is turned on by default. Eager execution enables a more interactive frontend to TensorFlow, which you will later explo
次世代人工知能技術のロードマップ：『ビジネス2.0』の視点：オルタナティブ・ブログ
総務省は2016年7月7日、『「新たな情報通信技術戦略の在り方」第二次中間答申（案）について』を公表しました。 目次は、以下のとおり、「IoT/ビックデータ/AI時代の標準化戦略」「 スマートIoT推進戦略」「次世代AI推進戦略」の３つが、戦略の柱となっています。 Ⅰ IoT/ビッグデータ/AI時代の課題 Ⅱ IoT/ビックデータ/AI時代の人材育成戦略 Ⅲ IoT/ビックデータ/AI時代の標準化戦略 Ⅳ スマートIoT推進戦略 Ⅴ 次世代AI推進戦略 また、政府の人工知能に関する研究開発の推進方策では、 1.スモールデータで実現する人工知能技術の開発 2.自然言語処理能力の高度化 3.人工知能による付加価値創出基盤の高度化 4.人工知能技術と脳科学の相互連携 5.データ確保・データ流通の円滑化、人材の確保 の５つをあげています。 総務省：「新たな情報通信技術戦略の在り方」第二次中間答申（
ついに明かされる「りんな」の“脳内” マイクロソフト、「女子高生AI」の自然言語処理アルゴリズムを公開
日本マイクロソフトは都内で開いた開発者向けイベント「de:code 2016」で、同社が独自に開発する“女子高生AI”「りんな」の自然言語処理アルゴリズムの詳細を語った。りんなのアルゴリズムのキモは「ランク付け」だという。自然な“女子高生らしさ”を生み出している秘密とは？ りんなは2015年7月にLINEアカウントとして登場し、同年12月にはTwitterアカウントも開設。「マジで？！やば！」など“日本の女子高生”をイメージした受け答えができるのが特徴で、現在LINEとTwitterを合わせて340万人以上のユーザーと会話しているという。 Microsoftが開発しているAIとして「Cortana」がよく引き合いに出されるが、Cortanaのコンセプトが「Productivity」（生産性向上）であるのに対し、りんなのコンセプトは「Emotional」（感情的）。例えば、「明日晴れるかなぁ
Google、機械学習システム「TensorFlow」をオープンソースで公開
TensorFlowはディープラーニングをサポートするが、さらに広範囲なコンピューティングでも使えるという。ユーザーはPythonのユーザーインタフェースを使ってTensorFlowで自分のアイデアを視覚化できる。 TensorFlowのパッケージは、Ubuntu/Linux、Mac OS X、Dockerベースで用意されている。 Googleのサンダー・ピチャイCEOは「TensorFlowをオープンソースにすることで、機械学習のコミュニティー（研究者、エンジニア、ホビイストなど）が論文だけでなく実施のコードを通じてより迅速にアイデアを交換できるようにしたい」と語った。 関連記事 Google、「Inbox」に人工知能による返信文提示機能「Smart Reply」追加へ Googleが、受信したメールの内容を人工知能が読み取って返信文候補を提示する機能「Smart Reply」をメールア
1
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
