http://www.cs.toronto.edu/~nitish/unsupervised_video/
KerasでLSTM AutoEncoderを実装する - Qiita
1.はじめに この記事はKerasのLSTMのフィードフォワードをnumpyで実装するの続きみたいなものです． KerasでLSTM AutoEncoderを実装し，得られた特徴量から2値分類を試します． データは，周波数の異なる2つのsin波を生成し，それを識別します． 2.環境 Python 3.6.1 :: Anaconda 4.4.0 (64-bit) Keras 2.0.5 (backend : tensorflow) 3.データの作成 3.1 概要 データの生成は以下の記事を参考にしています．ありとうございます． - 深層学習ライブラリKerasでRNNを使ってsin波予測 - RNNにsin波を学習させて予測してみた 今回は2値分類をするため，データの生成方法を少し変更しています． 周波数の異なるsin波を二つ準備し，それを識別させます． 3.2 コード 今回使うデータを生成
みんなのディープラーニング講座 ゼロからPythonとColabで丁寧に学ぶ深層学習の最初の一歩【2021年最新版】
-------------------- お知らせ ----------------------- 本コースは、2021年9月5日に全面リニューアルされました。 開発環境はGoogle Colaboratorlyに変更され、コードも全面的に更新されました。 旧レクチャーの動画の内容は既に古くなってしまったので、2021年9月5日に削除されました。 ---------------------------------------------------- みんなのディープラーニング講座は、誰にでも開かれたディープラーニング（深層学習）初心者向けの講座です。 ディープラーニングを学ぶために必要な名要素を細かく分解し、それぞれについて少しずつ動作を確認しながら丁寧に学んでいきます。 人工知能、機械学習技術の中でもディープラーニングは近年特に高い注目を集めており、第三次AIブームの主役となっています
Pythonでの正規表現の使い方 - Qiita
正規表現の検索演算子やパターンや検索自体のルールはPerlやPHPとほとんど変わりないみたいですが。 正規表現の関数の使い方などは全然違うので、自分の勉強＆整理の為に書いておきます。 正規表現の検索演算子などには言及しません 初期設定 以下のライブラリーを読み込むことで、正規表現が使えるようになります。 正規表現を使うためには、2つ方法があります。 一つは、事前に検索するパターンをコンパイルしておく方法です。 この方法を使うと、同じパターンで何度も検索する場合に、毎回パターンを指定する必要なく、高速に検索することが出来るようになります。 http://docs.python.jp/3/howto/regex.html#compiling-regular-expressions それから、パターンの最初にrを付けることをを勧めします、付けなくても基本的には大丈夫ですが、付けることによって文字
numpy-empty.html
np.emptyの引数には、第一引数に生成したい配列の形状(shape)を、第二引数にデータ型(dtype)を、そして最後に配列のデータの保存の仕方を指定します。最後の引数は、Fortranのような順序を指定する場合に使われるもので、あまり使用されません。 実際のコードで使い方を見ていきましょう。 In [1]: import numpy as np In [2]: np.empty(10) # 値を初期化しない１次元配列 Out[2]: array([ -0.00000000e+000, -1.49457395e-154, 2.26371905e-314, 2.26388775e-314, 2.26388851e-314, 2.26388892e-314, 2.25992832e-314, 0.00000000e+000, 2.24756287e-314, 7.08067556e-309
NumPyの軸(axis)と次元数(ndim)とは何を意味するのか
ndarrayの次元数(ndim)とは何か axisについて 関数の引数としてのaxis NumPyのndarrayは、NumPy操作をするための多次元配列です。多次元の構造はndarray.shapeで確認することができます。 多次元構造を操作するために必須となるのが、軸(axis)を正しく理解することです。多次元の配列構造を処理するために、NumPyの関数の引数には、axisを指定することが出来る場面が多々あります。 他の記事において、要素の合計を計算するnp.sum関数、要素の平均を計算するnp.average関数、最大の要素を探すnp.amax関数などを紹介してきましたが、それぞれの関数の中で引数としてaxisがあります。 これは配列の軸にあたるものですがどの軸がどの次元に対応しているのか分かりにくいことが多いです。 そのため、本記事では、 次元数とはなにか 軸(axis)とは何か
NumPyで画像処理 | mwSoft
NumPyで画像処理 概要 実践 コンピュータビジョンを読んで、出てきたサンプルコードを試したりいじったりする企画、その1-3。 NumPyを利用した画像処理。画像の表示にはMatplotlibを利用。配列に対して効果を加えることで画像にどういう変化が出るかを見るのは、やっていてけっこう楽しい作業。 NumPy, Matplotlib, Pillowは既に利用可能になっているものとする。 画像の読み込みと表示 foo.jpgという名前で適当な画像ファイルを置いておく。 # 必要なものをimport from PIL import Image import numpy as np from matplotlib import pylab as plt # 画像の読み込み img = np.array( Image.open('foo.jpg') ) # 画像の表示 plt.imshow( i
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
