TensorFlowによるももクロメンバー顔認識（前編） - Qiita
二番煎じ感が半端ないですが、やっちゃったものは仕方ないので書きます。 機械学習やディープラーニングについては全く初心者のソフトウェアエンジニアが、畳込みニューラルネットワークを用いて「ももいろクローバーZ」のメンバーの顔識別を行うアプリを作った話です。 作ったもの ec2上で稼働してます。ただしt2.microなので重いです。 ももクロ画像分類器 http://momomind.kenmaz.net コード https://github.com/kenmaz/momo_mind 背景 私（@kenmaz)は、仕事ではここ数年はiOSアプリ(objc/swift)ばっかり書いています。その前はJava/Ruby/PHPでWebアプリ、サーバーアプリ、開発ツール等を書いていたりもしました。ということで機械学習や人工知能に関する知識はほぼゼロでした。 自分語り＆参考図書 そんな私がなぜ、題記のよ
深層生成モデルのtensorflowによる実装(Importance Weighted Autoencoders) - Qiita
最近、深層生成モデルに興味あるのでICLRにも採択されていたIWAE(Importance Weighted Autoencoders)の実装をTensorFlowで行いました。ついでにBengio達の書いたDeepLearning本の20章(Deep generative models)を一部まとめました。 深層生成モデルとは？ 深層生成モデルが何かと言われる難しいですがおそらくNeural Networkを使った生成モデルです。 Bengio本にも書かれていますがDeepLearningの中でも最重要研究の一つです。実際、DeepLearning系の国際会議ICLRにも結構それ系の話が出ています。 例えば深層生成モデルを使うと下のようなことができます。具体的には例えばだんだん元の数字に対して0を足しこんでいくということができるようになります。(下の画像は上の行が元の(reconstru
TensorflowでOSXのGPUが対応されたよ - Qiita
2018/12/16追記 いつの間にかOSXのGPU公式サポートはなくなったみたいなので、それでもGPU使いたい方はこちらのドキュメントが参考になるかもしれません。 Tensorflow 1.6 on macOS High Sierra 10.13.3 with GPU Acceleration (without disabling SIP) 2017/2/17追記 Tensorflow 1.0.0から簡単にインストールできるようになったので公式ドキュメントに従うことをおすすめします。 https://www.tensorflow.org/install/install_mac #cuda8.0 $ brew upgrade $ brew install coreutils $ brew cask install cuda #cuDNN v5.1 Library for OSXをダウンロー
TensorFlowチュートリアル - 画像認識（翻訳） - Qiita
TensorFlow のチュートリアル（Image Recognition） https://www.tensorflow.org/versions/master/tutorials/image_recognition の翻訳です。 翻訳の誤りなどあればご指摘お待ちしております。 我々の脳は視覚を簡単に作るように思えます。人は、ライオンとジャガーを見分け、サインを読み取り、人間の顔を認識することに努力を必要としません。しかし、実際には、これらはコンピュータで解決することが難しい問題です。それが簡単に思えるのは、ただ、我々の脳が、画像を理解することに非常に優れているからです。 ここ数年、機械学習の分野では、これらの困難な問題に対処することに驚異的な進歩を遂げています。特に、深い畳み込みニューラルネットワークと呼ばれる種類のモデルが、難しい視覚認識タスクにおいて、そこそこのパフォーマンス、ある
[レポート] Tensorflow勉強会（4） が開催されました! | DevelopersIO
はじめに 昨日 6/22 六本木ヒルズ Google Inc 東京オフィスで TensorFlow勉強会の四回目 が開催されました。本記事はそのレポートとなります。 Googleの機械学習プロダクトのアップデート Google Inc 佐藤一憲氏 スライド準備中 構文解析ツール SyntaxNet あまり既存の研究成果とくらべて差異はないらしい CloudTranslateAPI Tensor Processing Unit CPUでもGPUでもない、新しいプロセッサ 新しくチップをゼロから設計してもらった 8bitのCPUと誤解されてるが、それはMisLeading 中身の詳細はこれからPaparが出る 具体的にはビット量子化をハードウェアで直接サポート SharedMemoryが大きくなる 最大の売りは電力効率 下記サービスで用いられている RankBrain AlphaGo Goog
![[レポート] Tensorflow勉強会（4） が開催されました! | DevelopersIO](https://cdn-ak-scissors.b.st-hatena.com/image/square/d31a36e185555d1c0dca2a8ca8dba86ad1243522/height=288;version=1;width=512/https%3A%2F%2Fdevio2023-media.developers.io%2Fwp-content%2Fuploads%2F2015%2F11%2Ftensor_flow-1.png)
TensorFlow勉強会（4） (2016/06/22 18:55〜)
Googleの公開したDeepLearningライブラリTensorFlowの勉強会の第4弾です。 TensorFlow勉強会(1) TensorFlow勉強会(2) TensorFlow勉強会(3) 途中にビールとピザをいただきながらの懇親タイムもあります！！ 当日のライブ配信はこちら！ https://youtu.be/XhnCqg2Fwrg 受付の案内 受付は、六本木ヒルズ森タワーLL階（2階、オフィスエントランスを入ってすぐ左）となります。詳しくは下記ページをご覧ください。（※ 六本木アカデミーヒルズではありませんのでご注意ください.。 http://www.mori.co.jp/company/about_us/access.html 当日、compassのページをスマホ等で提示いただくか、プリントアウトの上ご持参ください. また、森タワーの警備の都合上、受付の設置時間は18:3
Deep Q-LearningでFXしてみた - GMOインターネットグループ グループ研究開発本部
次世代システム研究室のJK（男）です。よろしくお願いします。 今回はDeep Q-Learningという手法でFXをやってみたので紹介します。前回のブログでは、LSTMというディープラーニング(Deep Learning; 深層学習とも)の一種を使って、株価変動の予想をしました。これは「教師あり学習」という手法で、コンピュータに常に「正解」を教えて学習させます。でも、よくよく考えると金融商品って時間変動の予想が最終目標じゃないですよね。最終目標は（基本的に）金融商品の売買で儲けること。つまり予想を元に、いま売るのか、買うのか、何もしないのか、という「行動」を決めることです。完全に未来がわかるのでもない限り、この行動に「正解」が無いことがわかります。 完全に予想するのは無理（短期的には買ったり負けたり）かもしれませんが、長期的には儲けるような「方針」は立てられるかもしれない。このように「方針
Distributed TensorFlowの話 - Qiita
Hadoop Conference Japan 2016 もともとは2月8日に開催されるHadoop Conference Japan 2016のセッションとしてこの話を応募したのですが、あえなく落選しました……（;_;) しかし、ありがたいことに復活戦のLightning Talkの投票では5位に選んでいただき、ランチタイムA会場でお話することになりました。ありがとうございます！ 今回のスライドはここで公開しています。 とはいえ、5分のLTではこの内容をしっかりと伝えられる自信がないので、以下でスライド内容の詳しい解説をしたいと思います。また、2/13にGoogle東京オフィスで開かれるRejected HCJ 2016では、以下の内容をゆっくり普通のセッションとして発表する予定ですので、ご興味ある方はぜひどうぞ。 引用元 今回の元ネタはこちら。より詳しく知りたい方はこちらをごらんくださ
TechCrunch | Startup and Technology News
Dogs are the most popular pet in the U.S.: 65.1 million households have one, according to the American Pet Products Association. But while cats are not far off, with 46.5…
Using notMNIST dataset from TensorFlow - めもめも
Using MNIST dataset from TensorFlow Google's TensorFlow provides a library for using MNIST dataset in a simplified manner. This is a three-line code to prepare the dataset. import tensorflow as tf from tensorflow.examples.tutorials.mnist import input_data mnist = input_data.read_data_sets("/tmp/data/", one_hot=True) Now you can access the dataset through the following objects. mnist.train.imgaes #
KerasをTensorFlowバックエンドで試してみた：「もっと多くの人に機械学習とDeep Learningを」という時代の幕開け - 渋谷駅前で働くデータサイエンティストのブログ
（左：Keras、右：MXnet） Kaggle Masterの間ではMXnetよりさらに人気なDeep Learningフレームワークというかラッパーが、@fchollet氏の手によるKeras。 Keras Documentation 結構苦心したのですが、ようやく手元のPython環境で走るようになったので、試してみました。なおKerasの概要と全体像についてはid:aidiaryさんが詳細な解説を書いて下さっているので、そちらの方を是非お読み下さい。 追記 Kerasは人気のフレームワークなので、僕なんぞがこんなブログ記事を書く前から素晴らしい紹介記事・スクリプトが幾つもあります。こちらでは参考までに以下のお二方のものをご紹介させていただきます。 Kerasはレゴブロックを組み合わせるかのようにして、簡単にディープラーニングのモデルを作成できる便利なライブラリです。これを使って楽し
[AWS]AmazonLinuxの仮想マシンの上にDocker入れて機械学習（TensorFlow）動かす - Qiita
自前の物理環境を用意せずにTensorFlowを動かしたかったので、AWSのmicroインスタンス上に環境を構築した際の手順まとめ。 TensorFlowって? 2015/11/10にGoogleが公開した機械学習技術のライブラリで、サンプルを眺めただけでも以下のような学習機が使えるようだ。 - 手書き文字認識 - リカレントニューラルネットワーク(RNN) - 畳み込みニューラルネットワーク(CNN) 前提環境 AWS EC2 上のVM Amazon Linux AMI 2015.03.1 (HVM), SSD Volume Type - ami-1c1b9f1c Docker 1.7.1 Ubuntu 14.04LTS(Docker上のコンテナ） AWSへの登録や仮想マシン登録は終わっている前提 AWS EC2 上のVMにDocker導入 VMにsshでログインし、以下のコマンドを入力
![[AWS]AmazonLinuxの仮想マシンの上にDocker入れて機械学習（TensorFlow）動かす - Qiita](https://cdn-ak-scissors.b.st-hatena.com/image/square/313a9a31410bfe0327adba56c8209e0d490b4fbf/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-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%26mark-x%3D142%26mark-y%3D57%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZoPTc2Jnc9NzcwJnR4dD0lNDBzbm93bW9vbjY0NjcmdHh0LWNvbG9yPSUyMzIxMjEyMSZ0eHQtZm9udD1IaXJhZ2lubyUyMFNhbnMlMjBXNiZ0eHQtc2l6ZT0zNiZ0eHQtYWxpZ249bGVmdCUyQ3RvcCZzPWUwYzRiYzFiNzgzYjBjMDJiM2ZiMGJkMTA2MDdlNjY4%26blend-x%3D142%26blend-y%3D486%26blend-mode%3Dnormal%26s%3D3f4fe2a1ada06a41df9c0ddb79bef207)
TensorFlow 畳み込みニューラルネットワークで手書き認識率99.2%の分類器を構築 - Qiita
TensorFlowとは2015/11/9にオープンソース化されたGoogleの機械学習ライブラリです。この記事ではディープラーニングと言われる多層構造のニューラルネットワークをTensorFlowを利用して構築しています。 TensorFlowはPythonから操作できますがバックエンドではC++で高速に計算しています。macのPython2.7系環境でTensorFlowの上級者用チュートリアルを行い、手書き認識率99.2%の多層構造の畳み込みニューラルネットワークモデルの分類器を構築したときの作業メモです。特別な設定なしにCPU使用率270%メモリ600MByteとちゃんと並列計算してくれました。MNISTランキングを見ると認識率99.2%は上位のモデルとなるようです。 TensorFlowチュートリアル TensorFlowの初心者用と上級者用チュートリアル2つに取り組んでみました
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
Refactoring a Restricted Boltzmann Machine implementation in TensorFlow.
深層学習でドット絵のような荒い写真を高画質化できるプログラムがGitHubに公開
