[TF]TensorflowのAPIについて - Qiita
Constant Value Tensors zeros numpyのzerosみたいなもの TensorのデータタイプとShapeを指定する import tensorflow as tf x = tf.zeros([1], dtype=tf.float32) with tf.Session() as sess: print(x.eval()) [ 0.] import tensorflow as tf x = tf.zeros([10], dtype=tf.float32) with tf.Session() as sess: print(x.eval()) [ 0. 0. 0. 0. 0. 0. 0. 0. 0. 0.]
![[TF]TensorflowのAPIについて - Qiita](https://cdn-ak-scissors.b.st-hatena.com/image/square/250153c2bd5ad92fd22869cad281927f4ca757f4/height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fcdn.qiita.com%252Fassets%252Fpublic%252Farticle-ogp-background-412672c5f0600ab9a64263b751f1bc81.png%3Fixlib%3Drb-4.0.0%26w%3D1200%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTk3MiZoPTM3OCZ0eHQ9JTVCVEYlNURUZW5zb3JmbG93JUUzJTgxJUFFQVBJJUUzJTgxJUFCJUUzJTgxJUE0JUUzJTgxJTg0JUUzJTgxJUE2JnR4dC1hbGlnbj1sZWZ0JTJDdG9wJnR4dC1jb2xvcj0lMjMyMTIxMjEmdHh0LWZvbnQ9SGlyYWdpbm8lMjBTYW5zJTIwVzYmdHh0LXNpemU9NTYmcz03OGUwNDUzYTg0YmRhMDk1ZDYzY2I5ZWU1MDRiYjA3OA%26mark-x%3D142%26mark-y%3D57%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZoPTc2Jnc9NzcwJnR4dD0lNDBzdXBlcnNhaWFrdWppbiZ0eHQtY29sb3I9JTIzMjEyMTIxJnR4dC1mb250PUhpcmFnaW5vJTIwU2FucyUyMFc2JnR4dC1zaXplPTM2JnR4dC1hbGlnbj1sZWZ0JTJDdG9wJnM9NDM4YTY0ZDdkYWRmMTQxNDhkYTFiMzYzY2M5NjlkNjA%26blend-x%3D142%26blend-y%3D486%26blend-mode%3Dnormal%26s%3D7f23583382eb362e5db855101d62458c)
zshは諦めてたけどfish shell導入したら捗った - 尋常でないもふもふ
エンジニア人生の中で zsh を導入しようと数回思いたったことはあるのだけれど、毎回初期設定のひどさを見るたびに辟易して bash でいいやと諦めていた。 コピペで機能追加できるとか言われても、自分の理解の範疇を超えてわけわからん状態になるのは耐え難いし、そこに学習コストをかけるモチベーションもない。 しかし最近になって Fish Shell=fish という面倒がなく導入できて使い勝手もすこぶる良いものがあると知り導入することにした。 インストール Homebrew でインストールできる。 $ brew install fish プラグイン管理ツールのインストール zsh では oh-my-zsh, Antigen, zplug のようないくつかのプラグイン管理ツールがあるようだけど、fish では oh-my-fish と fisherman があり、fisherman の方がより洗練
【画像認識】Deep Learningフレームワーク「Chainer」で学習する下準備 - Qstairs
はじめに 前回、Chainerの構築方法とMNISTの実行例を紹介しました。 qstairs.hatenablog.com MNISTのようなチュートリアルが実行できただけでは面白くないので、 自分でいろいろ試せられるようになるための方法を勉強していきます。 ということで、 まずは、自分で用意した画像データをChainerで学習できるようにするための下準備について勉強しました。 考え方 Deep Learningの学習に必要なデータといえば、 学習する画像と評価する画像（最悪なくても良いですが）です。 また、学習画像は正解（ラベル）と紐づける必要があります。 よって、 「画像ファイルパス ラベル」 のリストファイルがあれば学習できることになります。 ソースコード リストファイルを作成するソースコードは以下になります。 前提として、画像データはラベル毎のフォルダに分けられていることとします。
Dockerfile のベストプラクティス — Docker-docs-ja 1.9.0b ドキュメント
インストール Docker エンジンのインストール Mac OS X Windows Ubuntu Red Hat Enterprise Linux CentOS Fedora Debian Arch Linux CRUX Linux FrugalWare Gentoo Oracle Linux openSUSE and SUSE Linux Enterprise Amazon EC2 Google Cloud Platform IBM SoftLayer Microsoft Azure Rackspace Cloud Joyent Triton バイナリをインストール Kitematic のインストール Docker Machine のインストール Docker Compose のインストール Docker Swarm のインストール Docker 基礎 コンテナのクイックスタート Do
10年前と比べて激安になったサービスまとめ！写真印刷や美容院、ゴールドカード等、料金が一気に安くなったサービス多数です。 - クレジットカードの読みもの
この記事は新しいサイトに移転しました。 約3秒後に自動的にリダイレクトします。 リダイレクトしない場合はこちらをクリックしてください。
Scarra氏のプレシーズン考察－アサシンリワークの全１０チャンピオンの現状について - LOLノート | リーグオブレジェンド攻略ブログ
先週公開されたScarra氏のプレシーズン考察動画の前半部分を日本語で紹介します。リワークの入ったアサシンチャンプすべてについて解説されていて面白い内容だと思いますので、ぜひ読んでみてください。 元の動画（英語）www.youtube.com ※本エントリはこちらの元の動画の前半部分の要約です。 ※ブログ記事にするにあたり適宜編集（小見出しの追加、省略、話の順序替えなど）しています。要約のスタンスとして、厳密な正確さよりも記事としての読みやすさを優先しているためです。正確性が気になる方は元の動画を参照ください。 Scarra氏のYoutubeチャンネルwww.youtube.com ※本記事が面白ければ、ぜひこちらのScarra氏のYoutubeチャンネルをSubscribeして応援しましょう。 Scarra氏のプレシーズン考察－アサシンリワークの全１０チャンピオンの現状について ※ここか
Kaggleまとめ:BOSCH(kernels) - Qiita
はじめに 過去に参加したKaggleの情報をアップしていきます． ここでは，BOSCHのカーネルで公開されていた便利なコードをピックアップします． コンペ概要や優勝者のコードに関しては，Kaggleまとめ:BOSCH(intro+forum discussion)，Kaggleまとめ:BOSCH(winner)にまとめており，こちらはサンプルコードを交えたデータの解析結果をまとめたものになります． 本記事はPython2.7, numpy 1.11, scipy 0.17, scikit-learn 0.18, matplotlib 1.5, seaborn 0.7, pandas 0.17を使用しています． jupyter notebook上で動作確認済みです．(%matplotlib inlineは適当に修正してください) サンプルスクリプトを実行した際にエラー等あった場合は，コメント
Facebookがアドサーバーから撤退：堅いGoogleの「独占」 | DIGIDAY［日本版］
Facebookは11月18日（現地時間）、「アトラス（Atlas）」のアドサーバー事業を停止すると発表した。今回の撤退で、両者が互いの勢力圏に余り干渉しない構造になった。 Facebookは11月18日（現地時間）、「アトラス（Atlas）」のアドサーバー事業を停止すると発表した。 Facebookは2013年にアトラスを買収。当時、Facebookは閉鎖的な自社プラットフォーム内に収益性の高い広告エコシステムを構築しており、その外にあるディスプレイ広告におけるGoogle傘下のダブルクリック（DoubleClick）の「独占」に迫ろうという目論見だったが、壁は高かったようだ。 パブマティック（PubMatic）がeマーケター（eMarketer）とモルガンスタンレーのリサーチを独自に分析したところによると、Google、Facebookはデジタル広告費の46％に当たる890億ドル（約8
Reinforcement learning with unsupervised auxiliary tasks | DeepMind
Research Reinforcement learning with unsupervised auxiliary tasks Published 17 November 2016 Authors Max Jaderberg, Vlad Mnih, Wojciech Marian Czarnecki Our primary mission at DeepMind is to push the boundaries of AI, developing programs that can learn to solve any complex problem without needing to be taught how. Our reinforcement learning agents have achieved breakthroughs in Atari 2600 games an
コードレビューのベストプラクティス | POSTD
Wiredrive では、私たちはかなりの数のコードレビューを行います。しかし、ここで働き始める前には私はコードレビューなどしたことがありませんでした。今回は、私がコードレビューをする時に何に注目するようにしているかや、私の考え出したベストなコードレビューのやり方をお話したいと思います。 コードレビューとは、簡単に言うと2人以上の開発者で問題を引き起こしそうなコードの修正について話し合うことです。コードレビューをすることのメリットについては多くの記事で語られており、知識を共有できること、コードのクオリティが上がること、開発者が成長できることなどが挙げられています。しかし、レビューを行う上で、どのように進めていくかという具体的なことについてはあまり多く語られてないように私は思いました。 レビューで何に注目するか アーキテクチャ/デザイン 単一責任原則 : 1つのクラスは変更する理由が2つ以上
LINE乗っ取られたのでその鮮やかなる手口を恥を忍んで公開しましょう - はてなブログを毎日書いていたら10Kg痩せました！
どうも、情弱です。 いやー、やられました。 先程見事にLINEを乗っ取られてしまいました。 今まではLINEで「今ひま？ちょっと手伝ってもらっていい？」というプリカをねだるメッセージが来る度に「情ｗｗｗ弱ｗｗｗ乙ｗｗｗ」と笑っていたのですが、今日からぼくもそちら側です、よろしくお願いいたします。 今回の件で、やはり一番怖いのは機械的なハッキングでなくて心の隙を突かれるソーシャル・エンジニアリングだなと実感しました。 騙されちゃったらもう説得力ありませんが、僕は昔からネットのエロサイトで鍛えた眼力があって、そうそうネットのフィッシングなどには引っかかったことが無いのですが、それでもちょっと気が緩めばネットでは死んでしまうというよい事例です。 めっちょ恥ずかしいですが、自分の恥が誰かを助けるかもということでここは一発状況を共有しておきましょう。 LINE詐欺はLINE以外のメッセージで来た 僕
機械学習をプロダクトに入れる際に考える採用基準について - yasuhisa's blog
サービスに機械学習技術(例えばSVM)を入れる際に、「この機械学習技術は本番サービスに投入しても大丈夫なものか?」を考える基準がまとまっていると人に説明するときに便利だなとふと思ったのでまとめてみました。散々言われ尽くされている話だとは思います。 前提 考慮に入る採用基準 予測精度 (コードの)メンテナンスの容易性 計算オーダー 学習時 予測時 挙動のコントロールのしやすさ/予測説明性の容易さ チューニングの必要性 その他 まとめ 前提 機械学習がプロダクトの主要な武器になる(例えば最近話題になっているGoogle翻訳におけるNMT)ものではなく、サービスにデータがまずあり、機械学習でデータを活用することにより、そのサービスを支えていくようなものを前提に考えています(例えばCGMサービスのスパム判定)。また、投稿内容は私個人の意見であり、所属組織を代表するものではありませんとお断りしておき
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
GitHub - arXivTimes/arXivTimes: repository to research & share the machine learning articles
TechCrunch