Windowsで簡単にAI開発の環境構築＜人工知能を体験したい人向け＞ - Qiita
やりたいこと Windows上でAI (ディープラーニング) で株価予測するツールを作りたい そのために、開発用のライブラリなどの環境構築をする できるだけ簡単にディープラーニングを使えるようにしたい 使用する人工知能関係のライブラリ Tensor Flow + Keras Python Numpy Matplotlib scikit-learn Pandas etc.. 環境構築 以前は、Windows上でTensor Flowなどを使用するためにはDockerなどの仮想環境が必要でしたが、Anacondaを使用するとWindows上でもかなり簡単に開発環境を構築できます。 詳しくはこちら: Windows版AnacondaでTensorFlow環境構築 1. ライブラリのインストール Anacondaと一緒に大抵のライブラリがインストールされますが、パッケージをすべて最新版にしておくと
TensorFlow - Qiita Advent Calendar 2017 - Qiita
About reserved postingIf you register a secret article by the day before the same day, it will be automatically published around 7:00 on the same day. About posting periodOnly articles submitted after November 1 of the year can be registered. (Secret articles can be registered anytime articles are posted.)
第8回 TensorFlow で○×ゲームの AI を作ってみよう|Tech Book Zone Manatee
複雑なゲームの場合は人間が実際に打った棋譜などを膨大な量用意することになりますが、今回は○×ゲームという簡単なお題を使った練習なので、筆者が予め最善手を打った場合のデータを作成しておきました。 モデルの詳細 盤面のデータをニューラルネットに入力する際には、×は「-1」、○は「+1」、空いている場合は0として扱うことにします。○×ゲームの盤面は 9マスなので、ニューラルネットの最初の層のノード数は 9 個になります。 そして、全結合のネットワークを経て最終的には、×が勝つ確率・○が勝つ確率・引き分けの確率の3つの数値が出力されるというモデルです。 図3 学習モデルの概要 TensorFlow を使った実装 本稿で使用するサンプルコードのうち、TensorFlow で記述された学習用コード train.py の重要な部分について簡単に解説をしておきましょう。 TensorFlow にはニューラ
うちのbotが「いらすとや風の人間画像」を製造できるようになった - ぬいぐるみライフ？
mickey24_botが機械学習を使って「いらすとや風の人間画像（？）」を無料で製造できるようになりました。 人間製造した pic.twitter.com/dezDC1y2yy— mickey24_bot (@mickey24_bot) 2017年6月28日 まだ以下のようにぐちゃぐちゃな画像を製造する場合がありますが大目に見てください。 人間生成したよ！ pic.twitter.com/BELXTJOXhY— mickey24_bot (@mickey24_bot) 2017年6月28日 「いらすとや」って何？ 「いらすとや」は15,000種類以上のかわいいイラストを提供するフリー素材サイトです。 使い方 以下の形式でmickey24_botにreplyを送り、最新の人間画像を手に入れましょう。 @mickey24_bot 人間画像を作って 実装 詳細記事を別に書きましたので興味がある
キュウリ農家とディープラーニングをつなぐ TensorFlow
家のキュウリが枯れてしまってから知りました。 ある程度パラメータがはっきりすれば 大規模なFPGAで処理できるかもしれません。 12月3日の大垣ミニメーカーズフェアでデジタルフィルタの人と会えたら話してみます。 返信削除
TensorFlow と Udacity によるディープ ラーニングの自己学習
.app 1 .dev 1 #11WeeksOfAndroid 13 #11WeeksOfAndroid Android TV 1 #Android11 3 #DevFest16 1 #DevFest17 1 #DevFest18 1 #DevFest19 1 #DevFest20 1 #DevFest21 1 #DevFest22 1 #DevFest23 1 #hack4jp 3 11 weeks of Android 2 A MESSAGE FROM OUR CEO 1 A/B Testing 1 A4A 4 Accelerator 6 Accessibility 1 accuracy 1 Actions on Google 16 Activation Atlas 1 address validation API 1 Addy Osmani 1 ADK 2 AdMob 32 Ads
TensorFlow でポケモンの名前から種族値とタイプを予測させる遊び - Qiita
先日 TensorFlow 研究会に発表者として行ってきました. 周りの人に勉強会の内容何か書かないのかと言われたのですが, 人数にビビって誰も喜ばなさそうな発表をしてしまったので, 代わりにここでは元々使う予定だった没ネタを消費しておきます. 目標 やりたいことはタイトルの通りとても単純です. ポケモンの名前を入力したら種族値とタイプっぽいものが出てきて欲しいです. Twitter の診断メーカーとかでありがちなやつを, もうちょい真面目にやってみる感じですね. モデルの設計 入力の詳細 ポケモンの名前を 1 文字ごとに分解して, 各文字の出現回数と 2-gram を特徴量として使用しました. 例えばデデンネの場合は以下のようになります. n-gram の特徴量を作るのは自力でやると面倒なのですが scikit-learn の Vectorizer を使用すると 2, 3 行で細かい設定
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
GitHub - google/emoji-scavenger-hunt: Emoji Scavenger Hunt is an experiment that leverages the power of neural networks and your phone’s camera to identify the real world versions of the emojis we use every day.
GitHub - galeone/tfgo: Tensorflow + Go, the gopher way
Build and train machine learning models on our new Google Cloud TPUs