Chainerが作った「ディープラーニング入門」が凄すぎる！ - Qiita
機械学習を勉強していくには、いくつかの課題があります。 統計や線形代数といった数学の知識 Pythonを使うのでプログラミングの知識 画像処理、音声処理といった知識 学習を行う為のコンピューティングリソースの準備 それらを学ぶ上でいろんな書籍やネットの情報が転がっているのですが、Chainerが出した「ディープラーニング入門」が凄すぎて、もうこれでいいんじゃないか感が凄いです。 2019/05/20追記 チュートリアルが更新され、新たに「演習問題」が追加されました。 https://tutorials.chainer.org/ja/src/Exercise_Step_01_ja.html どれくらい理解できているのかのチェックができるので、取り組んでみる事をお勧めします。範囲はPythonの入門から、ディープラーニングに必要な数学の知識までありますので、チェックするには十分な内容だと思いま
手を動かしながら学べるディープラーニングの優良なチュートリアル - karaage. [からあげ]
ディープラーニングは習うより慣れろかも ファッションでディープラーニングをしているディープラーニング芸人からあげです。私は、特に専門家でも何でもないのですが、機械学習に興味もって、ディープラーニングに関することブログでアウトプットしているうちに「AIに関する本に名前がクレジットされたり」「AI解析のオンラインコンテスト#Aidemynoteで特別賞受賞したり」「ラズパイマガジンという商業誌にAI関係で記事を書いたり」「ディープラーニングおじさんの記事がバズったあげくITmediaで取り上げられたり」と多少なりとも価値を提供できるようになってきました。 何の知識もバックグラウンドも、大した能力も無い自分が、どうやって知識を身につけることができたかというと、色々本も読んだのですが、実際に手を動かしてプログラムを組んで、実問題に対して試行錯誤した結果をブログにアウトプットし続けたことが大きいのか
![手を動かしながら学べるディープラーニングの優良なチュートリアル - karaage. [からあげ]](https://cdn-ak-scissors.b.st-hatena.com/image/square/9046fd088b617abd85f292067c0ab3cbdd95f3d5/height=288;version=1;width=512/https%3A%2F%2Fcdn-ak.f.st-hatena.com%2Fimages%2Ffotolife%2Fk%2Fkaraage%2F20181016%2F20181016230453.jpg)
Chainerを用いたRealtime Multi-Person Pose Estimation実装 | BLOG - DeNA Engineering
はじめに 皆さんこんにちは。DeNAのAI研究開発エンジニアの李天琦( leetenki )です。今日は Chainer Advent Calendar 2017 の初日エントリという事で、Realtime Multi-Person Pose Estimationの実装について解説させて頂きます。 背景 Realtime Multi-Person Pose Estimationとは、CVPR2017でCMUが発表した、RGBの2次元画像のみから複数人のPose情報を検出するアルゴリズム (Cao, et al., 2017) です。特徴は、1枚の画像から複数人のPoseを検出するために、それまで主流であったBounding Boxを検出した後に各Boxに対してPose検出するというトップダウン方式を取らずに、ボトムアップかつワンショットに複数人のPoseを推定してしまう点です。画像に映って
デブサミ2017「DeNAの機械学習基盤と分析基盤」講演メモ #devsumi - 元RX-7乗りの適当な日々
sonots先生の話を聞きに行ってきたので、そのメモを残しておきます。 瀬尾 直利 氏 DeNA Co., Ltd. AIシステム部 リードエンジニア DeNAの機械学習基盤 ディープラーニングの基盤 => GPU基盤 という認識 GPUすごくて、CPU使って30日のところ、GPUを使うと4日くらいのオーダー GPUの特徴 並列処理が得意 CPUだと24coreとかのオーダー GPUでは3000〜4000core 分岐処理は苦手 行列演算に向いている GPU製品 NVIDIA Tesla HPC向けにGPUシリーズ NVIDIA GeForce GRID クラウドゲーミング向け AMD FirePro NVIDIA Tesla API CUDA OpenCL DirectCompute CUDAのアーキテクチャ CPU(ホスト)からGPU(デバイス)にデータを転送 GPUで処理 GPUから
線画着色webサービスPaintsChainerを公開した - Qiita
http://paintschainer.preferred.tech こちらに先月記事にした線画の着色のデモを公開しました！！ 反響の大きかった皆さんに試していただけます！！（ちょっと期待値が上がり過ぎてないといいですがｗ） http://qiita.com/taizan/items/cf77fd37ec3a0bef5d9d 以前の記事『初心者がchainerで線画着色してみた。わりとできた。』はこちら。 ⇓そしてこちらがもじゃくっきーさんの使用例になっております。 GPUを使っている関係上アクセスが集中したりすると遅くなったりサーバーが落ちたりする可能性もありますが、生暖かく見守っていただければと思います。←たくさんの方に広まったこともあって、めっちゃ重くなっています。ぐぬぬぬ 画面はこんな感じっす。 線画ファイルを選択するととりあえず自動で塗ってくれます。 ※ただし、現状ではgifや
ディープラーニングの有名ライブラリ5種を最短距離で試す半日コース（TensorFlow, Chainer, Caffe, DeepDream, 画風変換） - その後のその後
「いつか勉強しよう」と人工知能／機械学習／ディープラーニング（Deep Learning）といったトピックの記事の見つけてはアーカイブしてきたものの、結局2015年は何一つやらずに終わってしまったので、とにかく一歩でも足を踏み出すべく、本質的な理解等はさておき、とにかく試してみるということをやってみました。 試したのは、TensorFlow、Chainer、Caffe といった機械学習およびディープラーニングの代表的なライブラリ／フレームワーク3種と、2015年に話題になったディープラーニングを利用したアプリケーション2種（DeepDream、chainer-gogh）。 （DeepDreamで試した結果画像） タイトルに半日と書きましたが、たとえばTensorFlowは環境構築だけなら10分もあれば終わるでしょうし、Chainerなんてコマンド一発なので5秒くらいです。Caffeは僕はハ
MacでのChainerインストールに必要なものの説明とまとめ - Qiita
この記事は、人工知能（Chainer/TensorFlow/CSLAIER）のためのpython環境構築の続きの記事です。 目次 1.記事の目的 2.筆者の開発環境 3.インストール時の注意点 4.Chainerのインストール 記事の目的 この記事では、日本で人気のある人工知能ライブラリであるChainerをインストールします。自分でインストールしてみて、わからないことがたくさんあったので調べたことをまとめてみました。これから、Chainerをインストールする方の参考になれば幸いです。 筆者の開発環境 ・MacBook Pro (Retina, 13inch, Early 2015) ・macOS Sierra (バージョン 10.12.2) ・プロセッサ (2.7 GHz Intel Core i5) ・メモリ (8 GB 1867 MHz DDR3) ・グラフィックス (Intel I
買ったばかりのMacにchainerをインストールするまでの流れ - Qiita
はじめに ２年ほど使っていたMacbook Airが以下のように突然使えなくなった。 http://qiita.com/masataka46/items/62c1cc4ca75313bc72d7 データはなんとか移行できたが、諸々のアプリはインストールし直す必要がある。 ubuntuでないので、私のこの記事 http://qiita.com/masataka46/items/94417a5974dba810e7b8 はそのままでは使えない。そこで以下のサイトを参考にした。 http://pip-install-deeplearning.hatenadiary.jp/entry/2015/12/29/144222 http://hellkite.hatenablog.com/entry/python_chainer_install_on_mac chainerをインストールする際に仮想環境に
Chainerを使ってコンピュータにイラストを描かせる - Qiita
概要 つい一ヶ月前に提案された深層学習モデルであるDeep Convolutional Generative Adversarial Networks (以下DCGAN)をchainer上で実装した． 70万枚もの大量のイラストを使ってDCGANにイラストらしさを学習させた． 得られたモデルを利用して，コンピュータにイラストを描かせてみた． 結果としては結構上手く行った．本物と見分けがつかないというレベルではないものの，DCGANは正常にイラストらしい画像を生成できている． ネタが盛大に被って本当につらい はじめに DCGANという画像を生成するニューラルネットをchainerで実装しました。恐るべきことに、今までにない美麗さで二次元イラストも自動生成できます…！https://t.co/C8P8GbzWN1 pic.twitter.com/DWwGhF9itw — おそるべし抹茶パワー
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
Engadget | Technology News & Reviews