ResNetをFine Tuningして自分が用意した画像を学習させる｜P-Chun Labo
ResNetとは ResNetはディープラーニングを行うためのモデルの一つであり，2015年のILSVRC（世界的な画像認識コンテスト）で優勝したモデルです． 一般的に，ある程度多層のニューラルネットワークは層が少ないニューラルネットワークよりも精度が高くなりますが，あまりに多くしすぎると勾配消失問題が発生し精度が悪化します．ディープラーニングの学習においては，各層ごとに活性化関数の微分を行い，勾配を計算することで重みを調整しているのですが，層を増やしすぎると微分の積が多くなりすぎて勾配が消えていくという問題があります． 従来のモデルでは各層（Deep path）を通して勾配の計算を行っていますが，ResNetは新たに別の経路（Shortcut Connection）を設けることで，勾配消失を起こしにくくしたモデルです．その結果，ResNetは精度を上げつつ深い階層のネットワークを実現でき
TensorFlow Lite を使ってみた。 - Qiita
概要 TensorFlow Liteを使って、TensorFlowで書かれたモデルを変換し、推論してみました。 その際に詰まったところや、計測時に出た疑問点を書いておきます。 他の方も同じようなことをされていましたが、TensorFlow や Python のバージョンの違いのせいか、うまくいかなかったので、それも比較しながら書いていきます。(以下、旧バージョンと書きます) 比較させていただいたサイト: https://qiita.com/yohachi/items/434f0da356161e82c242#%E5%8F%82%E8%80%83 環境 OS: ubuntu 16.04 LTS, Intel® Core™ i5-7200U CPU @ 2.50GHz × 4 Python: 3.5.2 TensorFlow: 1.12.0 (計測環境), 1.13.1（その他の準備環境など）
Kerasにおける重み／モデルの保存、読み込みについて - 知的好奇心
条件 Python 3.7.0 Keras 2.1.2 Kerasにおける保存／読み込み Kerasでは、混同しやすい保存／読み込みメソッドが存在します。 ちぐはぐな使い方をすると、読み込みの際に以下のようなエラーが出力され失敗します。 重みを保存（model.save_weights()）して、モデルを読み込む（models.load_model）。 ValueError: No model found in config file 重みの保存／読み込み 重みの保存には、「model.save_weights()」を使用します。 重みの読み込みには、「model.load_weights()」を使用します。 model.save_weights(filepath): モデルの重みをHDF5形式のファイルに保存します。 model.load_weights(filepath, by_nam
Google Colabを用いてPytorchのモデルをTFLiteに変換 - Qiita
何の記事？ PytorchのモデルからTensorflow Liteへの変換を、Google colabを用いて行う方法です。 Pytorch → ONNX import torch import torchvision.models as models model_name = "resnet50" dummy_input = torch.randn((1, 3, 224, 224)) model = models.resnet50() torch.onnx.export(model, dummy_input, "converted.onnx", verbose=True, input_names=['input'], output_names=['output']) !pip install onnx_tf from onnx_tf.backend import prepare imp
Keras | ResNet50つかって自前画像をtrain・testする - Qiita
学習の記事はあっても推論まで書いてる記事は少ない気がしたのでまとめます。 はじめに ①自前の画像使って学習・モデル保存→②保存したモデル使って推論 までの流れをやりたいと思います。 環境作るところは割愛します。足りないものはpip installしてみてください。 なぜKerasをつかうのか 理由はずばり、簡単だからです。 普段pytorchやtensorflowも使っていますが、書き方がわかりやすいのは断然Keras。一番ドキュメントわかりやすくて充実してるのもそうな気がします。自分で書いてみるディープラーニングのファーストステップにおすすめです。 Kerasドキュメント ①学習 ResNet50を使って画像の分類をやっていきます。 学習はこのあたりの記事と図書のコードが参考です ResNetをFine Tuningして自分が用意した画像を学習させる 詳解ディープラーニング コード全文
TensorFlow2 からTensorFlow Liteへのモデル変換 - Qiita
TensorFlow2で作ったモデルファイルをTensorFlow Lite形式に変換するメモ TensorFlow Lite converterに従う SavedModelディレクトリやtf.kerasのmodelをtfliteに変換できるらしい pythonのAPIで変換する方法が推奨されてる CLIもある python APIでコンバーター書く Converter Python API guide SavedModelの変換 converter = tf.lite.TFLiteConverter.from_saved_model("my_savedmodel") tflite_model = converter.convert() open("converted_model.tflite", "wb").write(tflite_model) # 事前にmy_modelオブジェクトを
KerasでCNNを簡単に構築 - Qiita
from tensorflow.keras.models import Sequential from tensorflow.keras.layers import Conv2D from tensorflow.keras.layers import MaxPool2D from tensorflow.keras.optimizers import Adam from tensorflow.keras.layers import Dense, Activation, Dropout, Flatten from tensorflow.keras.utils import plot_model, to_categorical from keras.callbacks import TensorBoard from keras.datasets import cifar10 Sequential
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
Keras カテゴリーの記事一覧 - 人工知能に関する断創録