Keras / Tensorflowで転移学習を行う - Qiita
概要 Keras(Tensorflowバックエンド)で、画像認識の分野で有名なモデルVGG16を用いた転移学習を行いました。 そもそもディープラーニングとは？Kerasって何？という方は、こちらの記事をご参照下さい。 転移学習とファインチューニングの違い 転移学習とファインチューニングは、どちらも既存のモデル(今回はVGG16)を応用したディープラーニングの学習方法です。その為この２つはよく混同されていますが、厳密には異なります。 参考：Quora: What is the difference between transfer learning and fine tuning? ざっくりと説明すると、違いは以下になります。 - 転移学習：既存の学習済モデル（出力層以外の部分）を、重みデータは変更せずに特徴量抽出機として利用する。 - ファインチューニング：既存の学習済モデル（出力層以外の
TensorFlow で画像認識 (CNN 法)
本ページでは、Google Brain Team によって開発されたオープンソースの機械学習エンジンである、TensorFlow (テンソルフロー) を利用して、ディープラーニングの一種である、CNN 法 (Convolutional Neural Network, 畳み込みニューラルネットワーク, ConvNet とも呼ばれる) によるモデルを構築して、画像の自動クラス分類器 (判別器) を作成し、実行する方法を紹介します。 もし、まだ TensorFlow をインストールしていない場合は、「TensorFlow をインストール」の手順にてインストール作業を行いましょう。 今回使用するデータ (CIFAR-10 データセット) 本手順では、TensorFlow の Convolutional Neural Network のチュートリアル にしたがって、CIFAR-10 (読み方は、シー
画像枚数50枚で機械学習させようと思ったときの手段メモ - Qiita
概要 機械学習超初心者の僕が、画像を使ったWebアプリを思いついたので、 「ディープラーニング使えばなんとかなるやろ〜」 って思っていたら上手く行かず、社内の名だたる機械学習の先輩方に相談させていただいたときのメモ。 今回やりたいこと 飲み会で「好きなタイプの芸能人はだれ？」と訊かれたときに答えることができるWebサイト 必要なUX ユーザーがWebサイトに来訪する 50人位のモデルの画像が出てくるので、1枚1枚に対して「タイプ」「ちょっと好き」「普通」「少し苦手」「だいぶ苦手」のうち1つを選択して入力する その結果から、ユーザーが好きになるであろう芸能人の顔写真と、「あなたはこの方が好きになるでしょう」的な文言が表示される 飲み会で「俺、人工知能に堀北真希がタイプだって言われたんすよ」って回答できる めっちゃ欲しくないですか？ 飲み会で定番のあの質問が社会人になってから結構面倒だったので
GPUでディープラーニングやるならAWSよりFloydHub - Qiita
UdacityのDeep Learning Nanodegree Foundation のコースでFloydHubという便利なサービスが紹介されていました。ディープラーニングのHerokuだそうです。 GPUが使えるプランも月額14ドルからなので、手軽にGPUでディープラーニングを始めることができます。 TensorFlowとKerasがデフォルトですが、他にもPyTorchやChainerなどメジャーなフレームワークはだいたい使えるようになっています。 2017/10/18 追記 この記事を書いた直後に、KaggleのKernelについての記事が投稿されています。Kaggleのデータセットに限って言えば、Kernelを使う方が簡単そうです。 パワーアップしたKernelでKaggleに飛び込もう - Qiita FloydHubのいいところ 起動が簡単 floyd-cliというコマンドラ
趣味用に安く深層学習PCを作った - Qiita
趣味でディープラーニングで遊ぶためのPCを作ったので、メモ。 前提 趣味ならクラウドでいいじゃん、と思われるかもしれないが、AWSのGPUインスタンスだと1時間に100円くらい取られる。GAN系の画像の生成とかやりたい時は、様々なパターンを試してみて、いいものができるか試行錯誤するので、結構使う。 AWS止め忘れて過大な請求くるのも怖い。あくまで趣味の範囲なので、のびのびと遊べるローカル環境の構築を行った。 もともと使ってたPCは、 Intel Core i7 4770 メモリ8G GTX 750Ti に、Ubuntu入れて使っていた。色々できないので、ディープラーニング専用機を構築しようと決意。 GPU まずはGPU。趣味用とは言え、GPUをケチるとやりたいことができない。特にメモリサイズは重要。モデルの読み込みに支障が出たり、学習時のバッチサイズに影響が出てくる。 2016/1/30現
GPUによるAIの高速化――新たなコンピューティング・モデルの誕生 | NVIDIA
先日、ヤン・ルカン（Yann LeCun）氏に招かれ、ニューヨーク大学で“The Future of AI”の立ち上げシンポジウムで講演をしてきました。この分野をリードする人々が大勢集まり、AIの現状とその進歩について語りあうすばらしい会でした。今日は、そこでお話ししたことをご紹介しましょう。ディープラーニングとは新しいコンピューティング・モデルが必要な新しいソフトウェア・モデルであること、GPUアクセラレーテッド・コンピューティングがAI研究者に普及しているのはなぜか、AIは爆発的に普及しつつありますがNVIDIAはその普及を継続的に推進していること、そして、登場から長い年月が経過した今、AIの普及が始まったのはなぜか、をお話させていただきました。 ビッグバン コンピュータというものが登場して以来、ずっと、AIは、最後のフロンティアだと考えられてきました。この50年間、人間と同じように世
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
