Fully Convolutional Networks 〜 Chainerによる実装 〜
in English はじめに 先のページで Chainer を用いてシーン認識を行った。今回は、簡略化した Fully Convolutional Networks（FCN） を Chainer を使って実装してみる。（ここに追記した。) 計算機環境 これまでと同じく、Amazon EC2 にある g2.2xlarge を利用した。GPU を搭載したインスタンスである。 データセット 今回使うデータセットは VOC2012 である。以下のような領域分割用の教師データも含まれている。 領域分割の教師データの数は2913枚、これを4:1に分割し、前者を訓練データ、後者をテストデータとした。 number of train number of test 2330 580 訓練データ数は10で、テストデータ数は5で割り切れるように端数を切り捨てた（それぞれ訓練時のミニバッチサイズである）。文献の
LSTMによる正弦波の予測 〜 Chainerによる実装 〜
はじめに 「RNNにsin波を学習させて予測してみた」ではTensorflowを使って、「深層学習ライブラリKerasでRNNを使ってsin波予測」ではKerasを使って、RNNによる正弦波の学習・予測が行われている。ここでは同じことをChainerを使って実装する。 ネットワークの構造 実装は以下の通りである。 -- lstm.py -- コンストラクタの引数の意味は以下の通り。 引数名 意味 デフォルト値 in_units 入力層のユニット数 1 hidden_units 隠れ層のユニット数 2 out_units 出力層のユニット数 1 隠れ層の各ユニットはLSTM（Long Short Term Memory）、損失関数は2乗平均誤差である。in_unitsとout_unitsは1に固定し（実数値を1つ受け取り実数値を1つ返す）、hidden_unitsの値を変えた時の精度の変化を
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
処理を実行中です
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
Caffeによるシーン認識（８分類問題）
