PyTorch入門書の決定版！「最短コースでわかる PyTorch ＆深層学習プログラミング」 - karaage. [からあげ]
PyTorch入門書の決定版が出ました！ 日経BP様より「最短コースでわかる PyTorch ＆深層学習プログラミング」を献本いただきました。筆者の赤石さんの書籍のレビューは「ディープラーニングの数学」「Python自然言語処理入門」「Pythonで儲かるAIをつくる」に続き4冊目です。 そうです、私は日経BPさんとも赤石さんともズブズブの関係です！でも、ズブズブである分を差し引いたとしても、この書籍は本当にわかりやすくて良い本です。 「これからPyTorchに入門する一人でも多くの人に読んで欲しい」と強く思ったので是非紹介させてください！ 最短コースでわかる PyTorch ＆深層学習プログラミング 作者:赤石 雅典日経BPAmazon 「最短コースでわかる PyTorch ＆深層学習プログラミング」がPyTorch入門にベストな理由 ここから、「最短コースでわかる PyTorch ＆深
![PyTorch入門書の決定版！「最短コースでわかる PyTorch ＆深層学習プログラミング」 - karaage. [からあげ]](https://cdn-ak-scissors.b.st-hatena.com/image/square/db57b9a114b245ed29f0933cbc53105351cb32db/height=288;version=1;width=512/https%3A%2F%2Fcdn-ak.f.st-hatena.com%2Fimages%2Ffotolife%2Fk%2Fkaraage%2F20210910%2F20210910210410.jpg)
画像認識で最先端の性能を発揮するモデル「EfficientNetV2」と「CoAtNet」をGoogle Researchが紹介 ~ より小さく、より速く、より正確なニューラルネットワーク
9月16日、Google AI Blogに、学習時間を短縮し、最先端の性能を実現した、画像認識用の2つのモデルを紹介した「Toward Fast and Accurate Neural Networks for Image Recognition」が公開された。 スクリーンショット: Toward Fast and Accurate Neural Networks for Image Recognition この記事では、画像認識モデルの「EfficientNetV2」と「CoAtNet」を紹介している。 EfficientNetV2は、convolutional neural networksで構成されており、ImageNet1k（128万枚の画像）のような比較的小規模なデータセットに対して、高速な学習速度を目指している。 CoAtNetは、convolutionとself-attent
深層学習×集合マッチングによるコーディネート選択 - ZOZO TECH BLOG
※AMP表示の場合、数式が正しく表示されません。数式を確認する場合は通常表示版をご覧ください ZOZO Researchの斎藤です。私たちはファッションコーディネートの推薦や生成の基礎として、深層集合マッチングという技術を研究しています。本記事では、深層集合マッチングを理解する上で必要な諸概念の説明と、ファッションデータを使った実験結果について紹介します。対象読者としては、機械学習系のエンジニアや学生を想定しています。 集合マッチングとは ある集合が与えられたとき、その集合にもっともマッチする集合を解の候補から選ぶという問題を考えます。 例えばコーディネートを画像集合として捉えると、あるコーディネートの一部分（部分コーデと呼びます）に対して合う部分コーデを選択するという問題設定を考えることができます。 図： ある部分コーデ（左）にマッチする部分コーデを候補（右）の中から1つ選ぶ このような
Tensorflowの転移学習サンプルを機械学習の初心者がギリ分かるところまで噛み砕いてみた | DevelopersIO
せーのでございます。 機械学習というワードはかなり一般化され、エンジニアじゃない方なら「ああ、自動運転とかのやつでしょ」くらいに浸透しています。 特にエンジニアの方であれば「教師あり学習」「教師なし学習」「強化学習」がどういうものを指すか、というのはぼんやりイメージできるかと思います。 そんな機械学習、せっかくなので始めてみたい、とざっくり中身を見出した、、、くらいの方が今日のエントリーの読者対象となります。 今日のテーマは「転移学習」です。 転移学習のやり方を知りたい。最短で。 転移学習、というのはざっくり言うと「元々学習されているモデルを使って自分たちの使いたい方向に再学習すること」です。 機械学習をやりだすと必ず当たる壁が「データが足りない」というものです。特にディープラーニングを使って例えば画像の分類をしたい、とした場合、精度を出すには最低でも数百枚、一般的には数千枚〜数十万枚とい
教師あり学習の精度を超えた！？相互情報量の最大化による教師なし学習手法IICの登場！
3つの要点 ✔️相互情報量を最大化する枠組みでニューラルネットを学習する教師なし学習手法IICの提案 ✔️予測値をそのまま出力するニューラルネットを学習可能であるため、クラスタリングが不要 ✔️従来の教師なし学習手法の「クラスタが一つにまとまってしまう問題」および「ノイズに弱いという問題」を解決 Invariant Information Clustering for Unsupervised Image Classification and Segmentation written by Xu Ji et.al (Submitted on 22 Aug 2019) subjects : Computer Vision and Pattern Recognition (cs.CV); Machine Learning (cs.LG) はじめに 近年、様々な場面において、深層学習手法が使用さ
Deep Learning State of the Art (2020)
Lecture on most recent research and developments in deep learning, and hopes for 2020. This is not intended to be a list of SOTA benchmark results, but rather a set of highlights of machine learning and AI innovations and progress in academia, industry, and society in general. This lecture is part of the MIT Deep Learning Lecture Series. Website: https://deeplearning.mit.edu Slides: http://bit.ly
140 Machine Learning Formulas - DataScienceCentral.com
Home » Uncategorized140 Machine Learning Formulas Vincent GranvilleJanuary 25, 2017 at 1:30 pm By Rubens Zimbres. Rubens is a Data Scientist, PhD in Business Administration, developing Machine Learning, Deep Learning, NLP and AI models using R, Python and Wolfram Mathematica. Click here to check his Github page. Extract from the PDF document This is a 17 page PDF document featuring a collection of
ML Ops: Machine Learning as an Engineering Discipline
So, your company decided to invest in machine learning. You have a talented team of Data Scientists churning out models to solve important problems that were out of reach just a few years ago. All performance metrics are looking great, the demos cause jaws to drop and executives to ask how soon you can have a model in production. It should be pretty quick, you think. After all, you already solved
エンジニアを認定するE資格「JDLA Deep Learning for ENGINEER 2020 #1」試験、2月21日・22日に実施
日本ディープラーニング協会（JDLA：Japan Deep Learning Association）は、ディープラーニングを実装するエンジニアの技能を認定する2020年 第1回E資格（エンジニア資格）「JDLA Deep Learning for ENGINEER 2020 #1」試験を、2020年2月21日・22日に実施する。また、受験申込の受付を開始した。 「JDLA Deep Learning for ENGINEER 2020 #1」の受験には、JDLA認定プログラムを過去2年以内に修了していることが必要。120分の会場試験にて、シラバスよりJDLA認定プログラム修了レベルの、ChainerやTensorFlowなどの機械学習向けライブラリに依存しない問題（ソースコードを含む問題についてはPythonで記述される）が108問（前回実績）程度出題される。受験料は、一般が3万3000
機械学習の説明可能性（解釈性）という迷宮 - 渋谷駅前で働くデータサイエンティストのブログ
ちょっと前に、しょうもないことを某所で放言したら思いの外拡散されてしまいました。 機械学習の説明可能性（解釈性）、大半のケースで求められているのは厳密な分類・回帰根拠ではなく受け手の「納得感」なので、特に実ビジネス上は説明可能性に長けたモデルを開発するより、納得できないお客さんを巧みに関係性構築した上で口八丁で完璧に説得できる凄腕営業ピープルを雇う方が重要— TJO (@TJO_datasci) 2019年11月23日 これ自体は与太話なので実際どうでも良い*1のですが、最近色々な研究や技術開発の進展はたまた実務家による考察などを見ていて、「機械学習の説明可能性（解釈性）というのは思った以上に複雑な迷宮だ」と感じることがままあったのでした。 ということで、今回の記事では僕のサーベイの範囲でザッと見て目についた資料などを超絶大雑把にリストアップした上で、主に実務における説明可能性とは何かとい
Pytorch+Tensorflowのちゃんぽんコードのすゝめ（tfdsでpytorchをブーストさせる話） - Qiita
この記事は、 『Pytorchユーザーが実験速度で悩んでるときに、Tensorflowを部分的に使ってみるの割とアリでは説』 をちょっと検証してみたという内容になります とどのつまり(編集 2020/07/20) ちゃんぽんの方が純粋pytorchより速かったりもしますが、いやでもやっぱ普通はフレームワーク統一した方がいいですたぶん。(可読性、コードの再利用性的に) 背景(ちょっとポエムを…本題は『やったこと』からです) Pytorch v.s. Tensorflow 先日こんなツイートを見かけました(引用失礼します) TensorFlowが書きにくいというのはどういうことだろう．インターフェイスとして書きにくいというのであれば，それはないと思う，というかどのツールも正直大して変わらない．エラーの出処が深すぎて（あとデコレータでスタック改造していたりするので）デバッグできないというのは分か
Chainer を振り返って
2015 年 4 月 12 日に Chainer の最初のコードをコミットしてから，およそ 4 年半と少しが経ちました．はじめのはじめは軽い気持ちで書きはじめたコードでしたが，今では一線級の研究を立派に支えるまでになりました．深層学習フレームワークの世界も当時とは様変わりして（当時は TensorFlow も PyTorch もなかったわけですから，本当に変わりました），思えば遠くにきたものです． 今日，PFN は社内の研究開発に用いる主なフレームワークを PyTorch に移行すると発表しました．会社にとってももちろんですが，業務としてはこの 4 年半，Chainer 一筋でやってきた自分にとっては特に，大きな転換点です． まず率直な感想として，Chainer の開発は本当に楽しかったです．書きはじめた頃は，深層学習フレームワーク競争の真っ只中で，Theano の上に乗っかるフレームワー
[速報] AWS re:Invent 2019 キーノート以外で発表された新サービス/新機能まとめ #reinvent | DevelopersIO
こんにちは、菊池です。今年もre:Invent 2019 キーノートではたくさんの新サービス/新機能が発表されていますが、一方で、キーノート以外でも各セッションやイベントの中で発表されるサービスも多数あります。本エントリでは、それらのアップデート情報をまとめます。 随時更新中！ AWS re:Invent 2019期間中、随時更新していきます。 AI/機械学習 AWS DeepComposer（Preview） 12/1（日）に開催されたre:Invent の前夜祭的なイベント、「MIDNIGHT MADNESS」で発表されました。キーボードを使って、または予め録音しておいた音源をpre-trainingしておいたモデルを使ってポップ、ロック、ジャズなどの「アレンジ」ができる、というサービスです。re:Inventでは実機を使ったワークショップも開催されていて、ワークショップ参加者にはキー
![[速報] AWS re:Invent 2019 キーノート以外で発表された新サービス/新機能まとめ #reinvent | DevelopersIO](https://cdn-ak-scissors.b.st-hatena.com/image/square/11cdf60f5bc17dab3ab72491d33d269d32c92246/height=288;version=1;width=512/https%3A%2F%2Fdevio2023-media.developers.io%2Fwp-content%2Fuploads%2F2019%2F12%2Fexcept-key-000.jpg)
【終了しました】 『ゼロから作る Deep Learning ❸』公開レビューのお知らせ｜斎藤 康毅（さいとう こうき）
こんにちは、斎藤 康毅（さいとう こうき）といいます。ここ1年間はずっと本を書いていました。『ゼロから作る Deep Learning ❸ — フレームワーク編』という本です。最近ようやく、原稿を書き終わろうとしています。 この本は「ディープラーニングのフレームワークを作ろう」という本です（野心的にも、オリジナルの「フレームワーク」をゼロから作ります）。世界中を見回しても、ほとんど類書がないような本になっていると思います。これから先、できるかぎり良い本になるよう、最後の最後までブラッシュアップしていく予定です。 さて、今回も前作同様に「公開レビュー」を行います。興味のある方は、オンラインで原稿を読めるページを用意していますので、チェックしてみてください（無料です！）。問題に感じた箇所や改善すべきと思った点など、コメントいただけますと幸いです。どんなに小さな指摘や疑問でも構いませんので、気軽
量子コンピュータで機械学習を遂行、クラスキャットがTensorFlow拡張ツールキットを販売 | IT Leaders
IT Leaders トップ ＞ テクノロジー一覧 ＞ 開発ツール／プラットフォーム ＞ 新製品・サービス ＞ 量子コンピュータで機械学習を遂行、クラスキャットがTensorFlow拡張ツールキットを販売 開発ツール／プラットフォーム 開発ツール／プラットフォーム記事一覧へ [新製品・サービス] 量子コンピュータで機械学習を遂行、クラスキャットがTensorFlow拡張ツールキットを販売 2019年11月12日(火)日川 佳三（IT Leaders編集部） リスト クラスキャットは2019年11月12日、マシンラーニング（機械学習）のフレームワーク（ソフトウェアライブラリ）であるTensorFlowを拡張し、量子コンピュータおよび量子シミュレータを使ってマシンラーニングを遂行できるツールキット「ClassCat Hybrid QNN」を発表した。GPUとQPU（量子処理ユニット）のハイブリ
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
角度を用いた深層距離学習（deep metric learning）を徹底解説 -PytorchによるAdaCos実践あり-｜はやぶさの技術ノート
GAFAが後追いした国産AIの雄 開発終了の深層 - 日本経済新聞
Deep Learning breakthrough made by Rice University scientists
PFN、深層学習フレームワークを自社開発の「Chainer」から「PyTorch」に切り替え
Intel、NVIDIAの牙城を崩す深層学習アクセラレータ「Nervana NNP」を正式発表 ～性能20倍のエッジ推論向け次世代Movidius製品も来年前半投入
