Sequentialモデルのガイド - Keras Documentation
SequentialモデルでKerasを始めてみよう Sequential （系列）モデルは層を積み重ねたものです． Sequential モデルはコンストラクタにレイヤーのインスタンスのリストを与えることで作れます: from keras.models import Sequential from keras.layers import Dense, Activation model = Sequential([ Dense(32, input_shape=(784,)), Activation('relu'), Dense(10), Activation('softmax'), ]) .add() メソッドで簡単にレイヤーを追加できます． model = Sequential() model.add(Dense(32, input_dim=784)) model.add(Activat
rnnlm.py - Qiita
#!/usr/bin/env python import numpy as np import chainer from chainer import cuda, Function, gradient_check, Variable, \ optimizers, serializers, utils from chainer import Link, Chain, ChainList import chainer.functions as F import chainer.links as L def load_data(filename): global vocab words = open(filename).read().replace('\n', '<eos>').strip().split() dataset = np.ndarray((len(words),), dtype=n
HP Elitebook Folio 1020 レビュー
初めに: 私はこれまで使用していた Thinkpad X200 を主に開発作業に使用していました。このマ シンは気に入っていたのですが、ノートパソコンメインでいろいろな作業をしていくに あたって不満も出てきました。 そこで最近のノートパソコンについていろいろと調査し、HP の Elitebook Folio 1020 が一番良さそうだったのでこれを購入することにしました。 HP Elitebook Folio 1020 は最近到着し、今ではメインマシンとして使用しています。 残念ながら、日本では Elitebook を購入する人が少なく、購入を検討しても情報を集め にくい状態が続いています。もしかすると、私の他にも HP Elitebook Folio 1020 につ いて気になっている人がいるかもしれません。 ここでは旧メインマシンである Thinkpad X200 との比較を中心に、H
7,600行のコードを安全にこの世から抹消した話
qsonaです。今回はコードを安全にこの世から抹消していく の実践編ということで、7,600行のコードを削減してデプロイした話を書きます。 7,626行削減しているPull Request経緯「ランキング」のマイクロサービスを作った話 でも登場した、ランキングサービスでの話です。APIは一度リニューアルし最新はv2でした。 その後、新しい形のランキングを実装することになり、同時に、いままであった形式のランキングはなくなり、リプレイスされることになりました。そのため、新規の実装をするとともに、新しくバージョンを上げてv3のAPIを新設することにしました。 コアなロジックやデータストアにアクセスするコードについては、大部分を使い回すことができ、無事に本番リリースを行いました。 一方で、古いランキングはもう開催しないため、v2以下のAPIやそれに紐づくコードは実質的に不要になりました。そのコード
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
