GPTの仕組みをちゃんと勉強したい本 - きしだのHatena
やっぱGPTを仕組みから勉強したい、という本をいくつか見つけたのでまとめておきます。 まず理論的な概要。 機械学習からニューラルネットワーク、CNNでの画像処理、トランスフォーマーでの自然言語処理、音声認識・合成、そしてそれらを組み合わせたマルチモーダルと章が進むので、理論的な概観を得るのにいいと思います。 最初は数式が多いのだけど、Σをfor文だと思いつつ、定義が説明文中に埋まってるPerlよりたちが悪い記号主体言語だと思えば読めるけどめんどくさいので飛ばしても問題ないと思います。 深層学習からマルチモーダル情報処理へ (AI/データサイエンスライブラリ“基礎から応用へ” 3) 作者:中山 英樹,二反田 篤史,田村 晃裕,井上 中順,牛久 祥孝サイエンス社Amazon で、もういきなり作る。 トークナイザーから全部つくっていきます。TensorFlowでBERTをつくってGPT2をつくる
TensorFlowを用いた画像分類 - Qiita
はじめに この記事では、TensorFlowを用いて画像分類する方法を説明します。こちらのデータを利用して、ブーツ、サンダル、靴の画像分類を行います。なお、本記事ではGoogle Colaboratoryを使用することを前提にしています。 ファイルのアップロードと解凍 こちらのデータをダウンロードできたら、Google Colaboratoryにアップロードします。(下記の写真を参考にして下さい。) アップロードが完了すると以下のようにzipファイルが表示されます。なお、アップロードにはそこそこ時間がかかります。 以下のコードで、zipファイルを解凍します。 import zipfile local_zip = '/content/archive.zip' zip_ref = zipfile.ZipFile(local_zip, 'r') zip_ref.extractall() zip_
画像認識を用いたトマトの葉の病気診断アプリ作成 - Qiita
はじめに はじめまして。新しいことを始めようと最近機械学習を学び始めたプログラマーです。 この度、Aidemyさんの機械学習講座の課題として、ブログの作成をいたします。 内容は、画像認識を使ってトマト葉の病気の診断をやってみるというものです。 時間の都合もあり今回はkaggleにあるトマト葉の病気のサンプル画像を用いてモデルの構築を行いました。 それでは早速本題に入ります。よろしくお願いいたします。 内容・・・ 1.画像収集 2.モデルの作成 3.学習データと検証データの作成 4.モデルの学習と保存 5.HTML 6.main.py 7.実装結果 実行環境 ・Visual Studio Code ・Google Colaboratory 作成課題 Tomato_Leaf Disease Diagnosis 1:画像収集 今回は時間の都合もありkaggle以下URLにある画像を利用させていた
メルカリレンズβ WebAssembly × AIのプロダクト開発 | メルカリエンジニアリング
この記事は、Mercari Advent Calendar 2021 の22日目の記事です。 こんにちは、メルカリ EdgeAIチームの@tkatoです。私たちのチームでは、クライアントサイドでの機械学習応用について、アルゴリズム開発からプロダクション開発までを担当しています。 12月16日に、メルカリレンズβという新しいプロダクトが公開されました。この記事では、メルカリレンズβを開発するにあたり、Webブラウザ向けに機械学習を用いたUIを開発した経験から得た知見を紹介したいと思います。 メルカリレンズβは、スマホのカメラで商品をかざすだけでメルカリでの取引相場や類似商品などの情報を表示するWebアプリです。いくらで買えるか知りたいときや、出品する値段で迷ったときに、メルカリを使ったことのないお客様でも気軽に使えるアプリを目指しています。 技術的には、機械学習を利用した直感的なUIをクライ
M1 Macに機械学習環境を最速で構築してみた （conda, jupyter notebook, tensorflow） - Qiita
M1 Macに機械学習環境を最速で構築してみた （conda, jupyter notebook, tensorflow）Mac機械学習AnacondaTensorFlowJupyterNotebook はじめに M1対応のtensorflowを使うにはApple公式のGithubリポジトリ（Apple/tensorflow-macos）からパッケージをダウンロードして一つ一つインストールするなど面倒だったのですが、conda-forgeにまとまったパッケージがあったのでそれを使ってM1 MacbookにM1対応のtensorflowをjupyter上で実行できる環境を構築する方法をメモします。（1/12/2021 現在） この記事では Jupyter Notebook上でM1対応のtensorflowを実行する簡単な方法を紹介します。 実際にM1のGPUを使って学習してみます。 目次 t
ラズパイとUSBカメラとTensorFlowで物体検出 - Qiita
更新情報： 2021年5月に TensorFlow 2.5, OpenCV 4.5.1, Debian 11 Bullseyeに合わせて更新しプログラムを動作確認した ラズパイにUSBカメラを繋ぎ、Python 3上のOpenCVを用いて映像を取り込み、リアルタイムにTensorFlowで物体検出する手順です。Tensorflow HubのサンプルとTensorFlow Lite のサンプルを改変して用いて、それぞれ以下のような検出結果を表示します。ラズパイ依存部分は無いので、インテルCPUを積んだノードパソコンとかでも以下のプログラムは実は問題無く動作します（少なくともLinux稼働していれば（などといいつつ後半２つがインテルUbuntu 20.04で動作していなくて直せていない…😭））。ARM特有の話として import cv2 をTensorFlow関連パッケージのimportより
mac（Catalina）にOpenPoseをインストール - Qiita
OpenPoseをMac(macOS Catalina, 10.15.5)で動かそうとしたとき、各ツールのバージョンを指定してインストールすることで動作まで辿り着けたので、そのメモ。 OpenPoseとは OpenPoseとは | ディープラーニングで人のポーズを解析 [arXiv]OpenPose: Realtime Multi-Person 2D Pose Estimation using Part Affinity Fields [GitHub]openpose Openposeのインストール(mac) 下記手順に沿ってインストールしてみた。 Openposeのインストール(mac) ただ2020/06/28現在、依存関係のライブラリ等のバージョンで動作しなかったので、「Python」「TensorFlow」を変えてインストールした。 Python 3.6.10 オススメ：仮想環境構
メルカリ : TensorFlow Lite で、気付きにくい便利機能をユーザーに提唱
.app 1 .dev 1 #11WeeksOfAndroid 13 #11WeeksOfAndroid Android TV 1 #Android11 3 #DevFest16 1 #DevFest17 1 #DevFest18 1 #DevFest19 1 #DevFest20 1 #DevFest21 1 #DevFest22 1 #DevFest23 1 #hack4jp 3 11 weeks of Android 2 A MESSAGE FROM OUR CEO 1 A/B Testing 1 A4A 4 Accelerator 6 Accessibility 1 accuracy 1 Actions on Google 16 Activation Atlas 1 address validation API 1 Addy Osmani 1 ADK 2 AdMob 32 Ads
TensorFlow.jsを使ってGithubのログインを画像認証に置き換えてみた。 - Qiita
#TensorFlow.jsをつかってGithubのログイン画面を画像認証に置き換えてみた。 この記事はTensorFlow.jsを使って、Webで画像による本人認証機能を実装した話。をChrome拡張で実装し直した記事になります。 ##作ったもの website: https://face-pass-keijun.herokuapp.com/ Chrome拡張: https://chrome.google.com/webstore/detail/facepass-for-git/genlnamkabfpfjkcpdfnaeeigcopeldc?hl=ja 悪意のあるコードを差し込んだつもりはありませんが、内容がログイン画面に関係ます。場合によってはパスワードが盗めてしまうため、privateモードで遊んでみるのをお勧めします。 コードはGithubにあります https://github
中一が深層学習でAI作った話 - Qiita
#本題 今回は信号機の分類をしていきたいと思います。 画像はgoogleで"赤信号","青信号","黄信号"と検索し、17枚くらい手動でダウンロードしました。なぜスクレイピングしないかというと、googleで検索したところ、写真の数が全然なくて、関係ない人がめっちゃ写っていたので、使える写真をダウンロードしていったら17枚ぐらいでした。 データの前処理をして、そっからテスト用に5枚ぐらいとっておき、後の12枚を水増ししました。 from PIL import Image import os, glob import numpy as np classes = ["red", "blue", "yellow"] num_classes = len(classes) image_size = 50 num_testdata = 5 X_train = [] X_test = [] Y_trai
ディープラーニングに入門するためのリソース集と学習法（2018年版） - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? 最近Bitcoinの方が流行っている印象を受けますが，ディープラーニングの勢いは依然強く，Google Trendを見ても未だに検索数は上昇傾向にあるように見えます． 実際体験してみるとわかりますが，ディープラーニングはとんでもなく強力な機械学習の手法で，うまく使いこなせれば強力な武器になります．しかし，「ディープラーニングにはPhDが必要だ」「ディープラーニングは素人には学べない」といった幻想もちらほらあり，興味はあってもなかなかこの世界に飛び込めない人も多いのではないでしょうか？ この記事の目的 この記事では筆者がディープラーニング
年末年始機械学習事始め - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? 2017年12月にスキルアップAIさん主催のPythonを使ったデータ分析・統計入門を受講しまして、 この年末年始に機械学習を集中的に勉強してみようと思い、主にUdemyの動画学習をメインに勉強しましたので、一旦ここにまとめておこうと思います。 右も左も分からない機械学習初心者が書いた記事ですが、何処かの誰かの参考になれば。 おすすめ順 現在進行形で動画を見ているものもあるので、現状感じているおすすめの順番は以下の通りです。 【ゼロから始めるデータ分析】ビジネスケースで学ぶPythonデータサイエンス入門 みんなのAI講座 ゼロからPy
TensorFlowのGPU環境をGCPでさくっと作る方法 - Qiita
TensorFlowのためのGPU環境をGCPのGoogle Compute Engine (GCE)で構築するには、 GPUの割り当て申請（初回のみ。所要時間は約5分） CUDAやcuDNNをインストール（NVIDIAのサイトからダウンロードしたりインストールしたりなんだりでスゲー時間かかって面倒） TensorFlowをインストール（所要時間は約5分） って手順が必要。しかし最近、Cloud DatalabのGPUインスタンスが利用可能になったおかげで、この手順がぐんと簡単になった。 GPUの割り当て申請（初回のみ。所要時間は約5分） Cloud Datalabインスタンスを作成（コマンド一発、待ち時間は15分ほど） これでOK。DatalabインスタンスにはTensorFlowだけじゃなくて、scikit-learnとかpandas、matplotlib等の定番ツールも入ってるので、
RustでミニTensorFlowを作った - Qiita
Rust Advent Calendar 2017 6日目の記事です。 rust-autograd というライブラリを作りました。https://github.com/raskr/rust-autograd もともとニューラルネットのライブラリのつもりだったんですが、GPUの知識がなさすぎて無理だと気づき、一般的な名前にしました。一応ドキュメント(兼テスト)もあります。例えば行列積の計算はこんな感じです: extern crate autograd as ag; let a: ag::Tensor = ag::zeros(&[4, 2]); let b: ag::Tensor = ag::zeros(&[2, 3]); let c: ag::Tensor = ag::matmul(&a, &b); println!("{}", c.eval(&[]).unwrap()); // [[0,
機械学習でイケメン(ブサメン)判定アプリを作ってみる。 - Qiita
#イケメンが憎いです。 この世にイケメンが存在する限り、僕がモテることはありません。 なのでイケメンかどうかを判定するアプリをチュートリアルとして作ってみました。 TensorFlowとAndroidのチュートリアルとしていただければ幸いです。 動機と行動が完全にイッてますが、よろしくお願い致します。 (初学による間違い・ご指摘について、できましたらわかりやすくご指導頂ければ幸いです) ###開発環境 MacBook Air (13-inch Mid 2012) MacOS 10.12.6 TensorFlow 1.3 Android Studio 3.0 Beta 5 Android NDK ###参考URL マリオ判定 http://nilhcem.com/android/custom-tensorflow-classifier そのソースコード https://github.com/
怠け者のためのディープラーニング入門 - イントロ
目次 イントロ ← 今ココ Scikit-learn・Keras モデルの性能指標・評価方法 データの前処理・データ拡張 早期終了(early stopping) 転移学習 ハイパーパラメータのチューニング モデル圧縮 応用 はじめに 大学3年生のとき、小林雅一『AIの衝撃 人工知能は人類の敵か』という本をなんのきなし読んだことがあります。その本の中で「最先端のAIを実装できるのは世界でも50人くらいの研究者・大学院生くらいだ」といった文章を読み、なんだかすごそうという動機で機械学習に触れ始めました。そのころちょうど、TensorFlow 0.0.5が公開されて騒がれていたことを覚えていますが、当時ディープラーニングとは何かすらまったく分かりませんでした。それから約2年の月日が経ちますが、TensorFlowをはじめとしたフレームワークの普及もあってか「最先端のAI」というものを研究し実装
自分のtweetを学習してbotを作りたかった。 - Qiita
#ごあいさつ はじめまして、tensorflowアドベントカレンダー2017の18日目でございます。 残念ながらうまくはいってないです。 余談って書いてあるところは本題に関係ないので流し読み推奨。 #背景 もともと深層学習には興味があってちょいちょいCNNを弄ってたのと理論を少々。 最近自然言語処理に興味が出てきたのもあってLSTMとかやりたかった。 んで、ちょうどアドベントカレンダーがあるとのことで見切り発車で登録、せっかくだからLSTMをやろうという試み。 #目標 ###余談 じゃあ何をやるかということで、かねてから自分の言葉を学習して自分と同じように喋るbotとか居たら面白いなと。 ゆくゆくは自分と同じように思考して話す、いわゆるクローンみたいなAIが生み出せたらマッドで素敵じゃん？ さて、兎にも角にも知識がないので調べてみると、LSTMを使って文章を作ろうみたいな試みは割とメジャー
TensorFlow理解のために柏木由紀さん顔特徴を調べてみた【中編】 - Qiita
TensorFlowおよびCNN(畳み込みニューラルネットワーク)を理解するために柏木由紀さんの顔特徴を調べてみました。記事「TensorFlow理解のために柏木由紀さん顔特徴を調べてみた【前編】」の続編です。今回は、全体処理の中のTensorFlowの学習部分にフォーカスして解説します。解説と言いながら、わかってない部分も多くてすいません 判定部分にフォーカスしている後編に続きます。 #学習処理概要 前編でも説明しましたがTensorFlowを使って学習しています。TensorFlowエキスパート向けチュートリアルDeep MNIST for Expertsとほぼ同じモデルです。その解説については、記事[「【入門者向け解説】TensorFlowチュートリアルDeep MNIST」] (http://qiita.com/FukuharaYohei/items/0aef74a04112737
AWSの機械学習／ディープラーニングサービス、新たな展開とは
AWSの機械学習／ディープラーニングサービス、新たな展開とは：AWS re:Invent 2017、大量発表の文脈（1）（1/2 ページ） Amazon Web Services（AWS）は、2017年11月末から12月初めにかけて開催したAWS re:Invent 2017で、さまざまな分野にわたる大量の発表を行った。本連載では、各分野における発表の文脈を探る。第1回は、機械学習／AI関連の発表について紹介する。 AWSのディープラーニング／AI担当ゼネラルマネージャーであるマット・ウッド氏は、AWS re:Invent 2017の全体セッション全てに登場し、機械学習関連の新たな発表について説明した。これだけでもAWSの機械学習／AIへの力の入れ方がうかがい知れる。では、AWSはどんな機械学習／AI関連サービスを、どのような人のために提供しているのか。ウッド氏との個別インタビューの内容と
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
Tensorflow.js とスマホのカメラを使って背景除去(偽の海外旅行動画を撮ってみた) - Qiita
