KXR-L4T-R カメ型・ローバー型
販売終了品 ＜キット内容＞ ・強化樹脂パーツ ・コントロールボードRCB-4mini ・サーボモーター KRS-3301 ICS ×9 ・ROBOパワーセル Eタイプ 6N-800mAh Ni-MH ・充電器BX-32MH ・Dual USB アダプターHS ・CD-ROM（マニュアル一式、 サンプルモーションなど） ・その他パーツ ＜ソフトウェア動作環境＞ ・対応OS/Windows Vista（SP1推奨） Windows7 8 8.1 10 ・CD-ROMドライブ（ソフトウェアインストール用） ・USBポート（1.1/2.0) ※使用する.NETのシステム要件を満たすこと。 ＜完成時サイズ＞ カメ型：275(H) x 119(W) x 153(D)mm ローバー型：272(H) x 146(W) x 162(D)mm ＜重量＞ カメ型：約630g ローバー型：約690g （バッテリー
機械学習モデルの実装における、テストについて - Qiita
数あるフレームワークに付属するExample、機械学習モデルを実装してみた、という話。これらに共通して言えるのは「テストがない」ということです。 機械学習のモデルだって、アプリケーションに組み込まれればプロダクションコードの一部です。テストがない実装を本番環境に組み込むか？というと通常そんなことありえないと思います。 (スタジオジブリ 紅の豚 より拝借) 忘れられがちな点ですが、機械学習モデルは「リリースした瞬間」が最高精度になります。なぜなら、リリースした瞬間こそがその時点で手に入るフルフルのデータを使って鍛え上げたモデルであり、それ以降はどんどん未知のデータが入ってくるためです。 そのため、モデルの精度、また妥当性をいつでも検証できるようにしておくというのはとても重要です。これは通常のコードにテストをつける理由と同等で、つまり機械学習モデルだからと言って特別ではないということです。 本
これからのコンピュータビジョン技術 - cvpaper.challenge in PRMU Grand Challenge 2016 (PRMU研究会 2016年12月)
cvpaper.challengeにて2017年4月にサーベイした論文のまとめです。 充分に進化したコンピュータ視覚（Computer Vision; CV）は人間に新しい知見をもたらす。cvpaper.challengeではCVが飛躍的に進んだ先に、人間に対して拡張した知能や技能を教示できる、と位置づけ論文読破・まとめ・アイディア考案・議論・実装・論文執筆（・社会実装）に至るまで広く取り組み、その過程で出てきたあらゆる知識を共有します。 2015〜2016年は1,600本以上の論文まとめを全て公開し、著名な国際会議のWSにおいて受賞を経験しました。2017年はさらにアウトプットにこだわり、突出した成果を出すことを目標とします。 SlideShareにて論文まとめや講演資料を公開し、Twitterでも情報を共有しております。 HP： https://sites.google.com/sit
【コンピュータビジョン】ネコと学ぶエピポーラ幾何 - Qiita
はじめに ネコ、かわいいですね〜 この記事では、コンピュータビジョン分野で取り扱われる、多視点画像から３次元世界を復元する技術について、ネコと一緒に学んでいく記事です。 この分野は現在でも研究が進められている分野で難しい数式も出てきて時には辛くなりますが、その辛さがネコと一緒に学ぶことで中和されれば幸いです。 この記事は「実践コンピュータビジョン」の、第5章「5.1 エピポーラ幾何、5.2 カメラと3D構造を使った計算」に相当します。 多視点画像から３次元世界を復元したい 冒頭のネコの画像は２次元画像でした。では、このネコの３次元形状を復元するにはどうしたらよいでしょうか？ 正解は、カメラをネコに向けて移動しながら、複数の視点から撮影するです。 それぞれの視点でネコがどのように映るかをてがかりに、カメラの姿勢の変化と、そのカメラが撮影しているネコの幾何学な構造を逆計算します。 これは、St
勾配降下法の最適化アルゴリズムを概観する | POSTD
(編注：2020/10/01、2016/07/29、いただいたフィードバックをもとに記事を修正いたしました。) 目次： さまざまな勾配降下法 バッチ勾配降下法 確率的勾配降下法 ミニバッチ勾配降下法 課題 勾配降下法を最適化するアルゴリズム Momentum(慣性) Nesterovの加速勾配降下法 Adagrad Adadelta RMSprop Adam アルゴリズムの可視化 どのオプティマイザを選ぶべき？ SGDの並列化と分散化 Hogwild! Downpour SGD SGDのための遅延耐性アルゴリズム TensorFlow Elastic Averaging SGD 最適化されたSGDに対する更なる戦略 シャッフル学習とカリキュラム学習 バッチ正規化 早期終了 勾配ノイズ 結論 参考文献 勾配降下法は、最適化のための最も知られたアルゴリズムの1つです。これまではニューラルネット
Anaconda で Python 環境をインストールする - Qiita
Python やそのパッケージをインストールする方法はいくつかありますが、ここでは Anaconda を使ってインストールする方法を紹介します。 私の周りでは Anaconda で環境構築をすることと Python コミュニティ標準の方法をとることの是非についての議論をよく見かけます。自分の目的にあったものを選択すれば良いと思いますが、初心者にとってどちらが目的に叶うものかを判断するのは難しいことかもしれません。 以下にディストリビューターとして Anaconda (Continuum Analytics 社) が提供している価値について私見をまとめました。 Anaconda は Environment Isolation Tool (環境分離ツール) ではない 一方で Python コミュニティ公式のバイナリーディストリビューションを提供するツールである wheel も充実してきました。
データサイエンティストを目指す人のpython環境構築 2016 - Qiita
pythonの環境構築について "python 環境構築"でググると20万件くらいヒットしますが、割と内容が古いです。 タイトルにはデータサイエンティストと書いてありますが、データサイエンティスト以外にもanacondaはおすすめです。 2.x or 3.x? 3.xは動かないライブラリが多いので2.x推奨 > 3.xで動かないライブラリがある、くらいまで来ました。 easy_installでpipを入れて、setuptoolsも入れて、でもwheelというのもあって... > 古いです。 virtualenv 必須 > そんなこともないです。 winでは64bitは不具合が多いので32bit推奨 > 古いです。 winでは非公式バイナリからダウンロードしてインストール > お世話になりましたが、最近は使っていません。 2016版 OS毎python環境構築法決定版 Windows: an
Web開発におけるコンピュータサイエンス - 機械学習編2 - Hatena Developer Blog
この教科書は、はてなサマーインターンの講義資料として作成されたものです: https://github.com/hatena/Hatena-Textbook 機械学習編1（基礎編）では、最も初歩的な分類器である単純パーセプトロンを題材に、機械学習の基本について勉強しました。機械学習編2（実用編）では、実問題に機械学習を適用する上でのコツや、各種の機械学習アルゴリズムの使い分け、高次元データへの対処法、といったトピックについて解説していきます。 実問題に機械学習を適用する タスクを定義する データを特徴ベクトルに変換する 評価方法を決める 正解データの正例と負例は均等に ベースラインとなる手法を実装する 実データに向き合うときの心構え 機械学習のワークフロー 1. 前処理 データセット作成 サンプリング 特徴抽出 欠損値・欠測値への対応 値のスケーリング 特徴選択 次元削減 2. 学習 モデ
DCGANで湖岸道路ぽい画像を生成する - やったことの説明
はじめに Deep Convolutional Generative Adversarial Networks mattyaさんによるchainerの実装 入力データ 結果 zベクトルをいじって色々画像を作る まとめ 参考 はじめに DNNを使った画像の生成について興味を持った。 深層学習ウェイ系の某先生もマルチモーダルとか生成とか言ってた気がするし、 判別するより生成するほうが見た目に楽しそうなので、 こちらの発表でも使われていたDCGANを使って、画像を生成してみることにした。 Deep Convolutional Generative Adversarial Networks 某学会にでていたやりたいことに近い論文はこちら。 とてもわかりやすいこちらのブログがわかりやすい。 GANはAdversarialという名の通り、2つのネットワークを競合させて学習を行うアルゴリズム。 GANで
なんちゃって！DCGANでコンピュータがリアルな絵を描く - PlayGround
最近、Deepな生成モデルが熱いです。 中でもDeep Convolutional Generative Adversarial Networks (DCGAN) は、写真並みの画像を生成できるということで、非常に有名になりました。以前書いた記事でも少し触れましたが、計算の果てに画像を生成できるってところになんか惹かれますね。 Deepな生成モデルの歴史的な流れについては以下のPFNの動画が参考になります。 www.youtube.com ということで、DCGANの元となるGANについて説明しつつ実装し、そのあとDCGANもどきを実装し、画像生成を行おうと思います。 Generative Adversarial Nets (GAN) GANでは、2つのNNを学習させることによって、生成モデルを構築します。2つのNNは、それぞれDiscriminatorとGeneratorと呼ばれていて、こ
書を捨てよ！ドローンを作ろう。FLYBRIXがやってきた
これからの我々の身の回りの電子機器がどんなものになっていくのか、そのためのいちばんいい教科書はドローンだと思う。（今回は「週刊アスキー連載中の『神は雲の中にあられる』より転載です） いま最高の教育的物体はドローンだ 今年春の発売以来、品切れ状態が続いていた「FLYBRIX」がようやく私の手元に届いた。いまどきどんな商品がそんなに人気なのかというと、ドローンの本体をレゴで作り、それに専用のフライトコントローラを積んで飛ばすというキット。レゴには、メカニカルに動く「レゴ・テクニック」とか、ご存知じマイコンと組み合わせた「レゴ・マインドストーム」がある。しかし、いまいちばん興味しんしんなオモチャといったらドローンでしょう。それを単純に組み合わせたのがFLYBRIXというわけだ。 私が、取り寄せたプロポ付きのパッケージは294ドル（ほかにスマホで操作する189ドルのパッケージがある）。さっそく箱を
std::shared_ptrで親子関係にある型のキャスト. - chikuchikugonzalezの雑記帳
テンプレート化されたクラスはテンプレートパラメータが親子関係でも別クラスなので代入できねぇ、とか思ってたんですがshared_ptrでふつーにできたり、キャストする方法があって(´・∀・｀)ﾍｰ って思ったのでメモしておかなきゃ #include <memory> #include <iostream> class Base { public: virtual void hello() { std::cout << "Hello in Base!" << std::endl; } }; class Sub : public Base { public: virtual void hello() override { std::cout << "Hello in Sub!" << std::endl; } }; int main(void) { std::shared_ptr<Base> p
unique_ptr で今風な C++ コードを書こう！！ - @nojima's blog
はじめに お久しぶりです。KMC OB の id:nojima です。 この記事は KMC Advent Calendar 2014 の10日目の記事です。 昨日は id:murata さんの「受験生応援！Javascriptでひねくれ数列」 でした。 今日は C++ の unique_ptr の話です。 （最初は rvalue について書こうと思っていたのですが、書いてみると unique_ptr だらけになったのでタイトルを変えました。なので、KMC Advent Calendar 2014 に書いてあるタイトルとは食い違っています。すみません） 個人的には C++03 ではなく C++11 を使う最大の理由は unique_ptr の存在だと思っています。 例外発生時にももれなく delete してくれる。 生ポインタとパフォーマンスが同じ。(最適化されている場合) 所有権を型として
「never say new, never say delete」 ～C++11のunique_ptrのおはなし
目下手を入れているコードも相当古く、ビギナさんにオブジェクト指向を教えるべく継承と多態を"わざと"多用したサンプルです。C++での動的束縛（dynamic-binding）を説明するため、あちこちにポインタが現れあちこちでnew/deleteしています。多態を使いまくるコードでポインタの利用が増えてしまうのはある程度仕方のないことなのですが、決してnew/deleteしまくりたいわけじゃありません。ガベージ・コレクションをサポートしたC#/Javaの類ならnewしっぱなしで構わんけれど、C++ではnewしたものは必ず/明示的に/ただ一度だけ/確実にdeleteしてやらにゃなりません。ヒトは間違う生きもの、忘れる生きものなんだから、できることならnew/deleteしたくない。特にdeleteはやらずに済むならそれに越したことはないわけで...マクラが長くなりました、unique_ptrのお
プログラムの依存関係とモジュール構成のこと - Qiita
みなさん、メンテナンスしやすいプログラムにするための設計に苦労してませんか？ 次々と現れるフレームワークやデザインパターンに振り回されてませんか！？ プログラムの設計については、パターン周りを中心に長い間多くの人を悩ませているように見えます。例えば MVC などは 1980 年代からあるものなのに、未だに定期的に議論に上がったり改善されたパターンなどが提案されたり、それを元にしたフレームワークが現れたりします。 僕もそういった設計に悩んだ(でる)一人なのですが、最近は新しいパターンも大事とは思いつつも単純に依存関係をきちんとコントロールする事が大事なんじゃないかと思うようになってきました。 そこで、この記事では依存関係をテーマに見通しが良く変更に強いプログラムにするために重要だと思う事を書いていきます。 この記事は大きく前半と後半に分かれています。前半は依存関係そのものの話や疎結合について
機械学習で泣かないためのコード設計
【第40回AIセミナー】 「説明できるAI 〜AIはブラックボックスなのか？〜」 https://www.airc.aist.go.jp/seminar_detail/seminar_040.html 【講演タイトル】 機械学習モデルの判断根拠の説明 【講演概要】 本講演では、機械学習モデルの判断根拠を提示するための説明法について紹介する。高精度な認識・識別が可能な機械学習モデルは一般に非常に複雑な構造をしており、どのような基準で判断が下されているかを人間が窺い知ることは困難である。このようなモデルのブラックボックス性を解消するために、近年様々なモデルの説明法が研究・提案されてきている。本講演ではこれら近年の代表的な説明法について紹介する。 本スライドは、弊社の梅本により弊社内の技術勉強会で使用されたものです。 近年注目を集めるアーキテクチャーである「Transformer」の解説スライド
日報 #92 - APIとSDKってなんぞって聞かれたので - 俺の報告
書くことねぇよ！ちっくしょーーー！！！ あと7回なんだ、年内に100回達成して、そして振り返り、もっといい形にするんだ。 そのためにも、「毎日書こうとするとこういう下らないブログになっちゃうよ」っていうブログも残すことに意味があるんだ。 今日はエンジニアチームではないメンバーからこんなことを聞かれました。 「SDKってなに？APIってなに？2つの違いって何？」 こんな厳しい質問あるでしょうか。 調べてみましょう。 SDKは「一般に、特定のソフトウェアパッケージ、ソフトウェアフレームワーク、（略）などのためのアプリケーションを作成するためにソフトウェア技術者が使用する開発ツールのセットを意味する。」だそうです。WikiPedia参照。 http://ja.wikipedia.org/wiki/%E3%82%BD%E3%83%95%E3%83%88%E3%82%A6%E3%82%A7%E3%8
C++11スマートポインタ入門 - Qiita
[2022-06-22] さすがに情報が古くなってきたため、最新の規格に合わせて本記事の内容を再編集した記事を新たに書きました。よろしければ、こちらの新記事「C++20スマートポインタ入門」をご参照ください。 C++11では、unique_ptr<T> shared_ptr<T> weak_ptr<T>の3種のスマートポインタが新たに追加された。これらのスマートポインタは、いずれもメモリの動的確保の利用の際に生じる多くの危険性を低減する目的で使用されるが、それぞれ独自の考え方と機能を持っている。3種のスマートポインタを適切に使い分けることで、安全性と開発速度の向上が見込めるだけでなく、プログラマの意図に合わせて「ポインタ」を記述し分けることができる、非常に強力なツールとなる。 本解説では、スマートポインタについて初めて学ぶ人を対象に、C++11で追加された3種のスマートポインタの機能と使い
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
GOROmanさんのおうちハック #おうちハック
【やじうまPC Watch】 人間は光や音を感じるより前に遡ってタイミングを知覚している ～NICT CiNet、感覚入力のタイミングを知覚するための神経機構を解明
