タグ

関連タグで絞り込む (6)

タグの絞り込みを解除

TensorFlowに関するmakun2のブックマーク (11)

  • [TensorFlow] APIドキュメントを眺める -Tensor編- | DevelopersIO

    はじめに TensorFlow研究会に先立ち、予習をしておこうと思い、まずはGithubリポジトリのREADME.mdを試してみたあと、APIドキュメントを眺めてみました。 まずはぱっと目についた Tensor クラス を一通り通読したのでまとめてみます。 Tensor について Tensor (Tensor クラスのインスタンス)は TensorFlow の名前の由来でもあり、数学で言うところのテンソルですが、スカラー、ベクトル、行列の概念をより一般化したものと捉えられます。こちらでは厳密な説明は避けますが、テンソルについての詳しい定義等は線形代数学（佐武一郎）の五章にかかれています。 ここでは TensorFlow の Tensor クラスについて詳しく見ていきます。 Tensor は Operation(演算) (TensorFlowで Hello Worldを動かしてみた&その解説

    [TensorFlow] APIドキュメントを眺める -Tensor編- | DevelopersIO

  • [TF]Tensorboardを使って学習結果をVisualizationしてみた - Qiita

    Tensorboardを使って学習結果をVisualizationする方法を調べてみた。 Tensorboardに出力する方法はここを参考にした。 簡単な例 いきなり複雑なやつだと大変なので、簡単な例を作って試した。 テストデータは下記の図のように、xは５次元、ｙを３次元とし、xをランダムで生成したあとに、あらかじめ指定しておいたWをかけてbを足してyを生成した。xが５次元、yが３次元なので、Wのサイズは5x3になる。 実行したコードは下記の通り、これはTensorflowのホームページのコードをテストデータに合わせてちょっとだけ変更した。 コードのポイントは下記の通り。 1. writer = tf.train.SummaryWriter("/tmp/tensorflow_log", sess.graph_def)のようにしてSummaryWriterのobjectを作る。そのときにlo

    [TF]Tensorboardを使って学習結果をVisualizationしてみた - Qiita

  • 【TensorBoard入門】TensorFlow処理を見える化して理解を深める - Qiita

    TensorBoardでTensorFlowの理解を早める 文系卒でDeep LearningどころかPythonも初めてだと、TensorFlowを理解するのが遅くてなかなか苦しいです。少しでも理解を早めるためにもTensorBoardを学習しました。複雑なディープラーニングの理解促進はもちろん、デバッグや処理最適化・再設計などいろんなことに使えます。いろいろな見える化ができるのですが、当記事は入門者に向けたGraph出力方法に絞って解説します(もっと広く深くできればいいのですが、そこまで筆者の理解が追いついていません)。 公式ガイド「TensorBoard: Visualizing Learning」がわかりにくかったので、かなり簡素化しています。 TensorBoardで処理を可視化するのサイトが素晴らしく、かなり参考にさせて頂きました。 環境:python3.5 tensorflo

    【TensorBoard入門】TensorFlow処理を見える化して理解を深める - Qiita

  • ニューラルネットワークの計算を可視化するTensorBoardの使い方

    TensorFlowは昨年Googleがリリースしたニューラルネットワークをデータフローグラフを使って手軽に開発できるようにした数値計算ライブラリです。 今回はそんなTensorFlowの数値計算と機械学習過程を可視化するTensorBoardを触ってみようと思います。 大規模で複雑なニューラルネットワークを研究・開発することは非常に大変です。複雑なデータフローと計算を理解しやすくし、開発サイクルを速めるためにGoogleはTensorBoardという可視化ツールを提供しています。 TensorBoardを実行し、可視化してみると以下のような図を描画することができます。これでTensorFlowグラフを視覚化することで、機械学習の収束状況などを直感的に把握することができ開発者の理解の手助けをしているのです。 インストール TensorFlowをpipからインストールすると、同時にインストー

  • Tensorflowにおける各種演算まとめ - Qiita

    はじめに Tensorflowではテンソルと呼ばれる量を扱うので、Numpyのメソッド等は使えません。そのためTensorflowに用意されているメソッドを用いる必要があります。 ここでは基本的な四則演算と行列演算についてまとめています。特にPythonで定義されている各種演算(+, -, /, //, %)と比べています。 注意 - すべての演算をまとめているわけではないので、その他の演算については公式ドキュメントを参照ください。 - Tensorflowでは全てテンソルを扱うので、データの種類に言及するときは、テンソルを飛ばして「リストは〜」「ベクトルは〜」などと書いています。その点注意していただければと思います。 - 2018/01/31: 1月26日にTensorflow v1.5.0がリリースされました。このバージョンからeager executionというメソッドが実装され、S

    Tensorflowにおける各種演算まとめ - Qiita

  • Tensorflowの関数理解 - Qiita

    主にTensorFlow Mechanics 101を日本語化したもの。 一部公式チュートリアルとは違うコード載せている時もあるけど大意は同じ。 placeholder() inputとかoutputに用いる。 seesでrunするときに使うplaceholderをfeedする必要あり。 x = tf.placeholder(tf.float32, shape=(1024, 1024)) y = tf.matmul(x, x) with tf.Session() as sess: print(sess.run(y)) # ERROR: will fail because x was not fed. rand_array = np.random.rand(1024, 1024) print(sess.run(y, feed_dict={x: rand_array})) # Will suc

    Tensorflowの関数理解 - Qiita

  • 知識ゼロからTensorFlowを使った機械学習で人工知能を作るー入門編１ - Qiita

    TensorFlowはGoogleがオープンソースとして公開した機械学習のライブラリ。 www.tensorflow.org ここしばらく機械学習の本読んで、TensorFlow触りまくって出した結論はこれ。 TensorFlowは機械学習の初心者がスグにカンタンに使えるモノではない TensorFlowを使えば機械学習の概念をそのまま直感的にコードに落としこむことができる。ただ、そのためには機械学習の理論を予め知っておくことが必要。「ニューラル・ネットワーク」とか「構造パターンマイニング」とかの用語が分からないといちいちそこで手を止めて、調べる必要が出てくる。 ただ数学好きであれば、全てが数式で表現される世界が妙に楽しい。アルゴリズムや使い方さえ分かれば、かなりのレベルで面白いモノが実装できることは確かだ。 TensorFlowのインストール（MacOS編） まーここ見てインストールして

    知識ゼロからTensorFlowを使った機械学習で人工知能を作るー入門編１ - Qiita
    makun2
    makun2 2018/10/16
    超！基礎です
    リンク

  • 人工知能フレームワーク入門（第1回）：人工知能とTensorFlow | さくらのナレッジ

    昨今では「人工知能（AI）」やそれに関連する技術が注目されている。そこで本連載では人工知能に関する技術の概要や、それを利用するためのソフトウェアについて紹介する。 人工知能とは何か ここ数年、「人工知能」や「AI」という言葉がさまざまな分野で使われるようになった。人工知能関連の技術はここ数年で急速に発展しており、たとえば将棋や囲碁といった分野では、人工知能技術を使ったソフトウェアが人間のプロ棋士に勝利するレベルとなっている。また、iPhoneに搭載されて話題となった「Siri」は人間の言葉を理解してそれに対し適切なアクションを実行することができるが、これにも人工知能技術が使われている。そのほか、文字や画像の認識、文章の分析など、人工知能関連技術を使った多くの製品がすでに市場に投入されている。 しかし人工知能と言われても、それが実際にはどんなものなのか想像できる人は少ないだろう。そこで本記事

    人工知能フレームワーク入門（第1回）：人工知能とTensorFlow | さくらのナレッジ

  • 人工知能フレームワーク入門（第2回）：TensorFlowの基本的な使い方 | さくらのナレッジ

    人工知能関連のソフトウェアを実装するに当たって広く使われているのがGoogleが提供するオープンソースの数値演算・人工知能関連ライブラリである「TensorFlow」だ。今回はこのTensorFlowのアーキテクチャや、基本的な行列演算、CSVファイルからのデータ読み込み、機械学習プログラムの実装を行う流れを紹介する。 TensorFlowのアーキテクチャ 前回記事で紹介したとおり、TensorFlowは人工知能や強化学習を利用するシステムで使われるさまざまな部品を提供するライブラリだ。提供される機能としてはさまざまな行列・ベクトル演算、非線形演算関数、データファイルの読み書き、最適化問題を解くためのソルバー、ニューラルネットワークで使われる各種演算処理など多岐にわたる。 TensorFlowが一般的な数値演算ライブラリと異なるのは、計算グラフ（Computation Graph）というも

    人工知能フレームワーク入門（第2回）：TensorFlowの基本的な使い方 | さくらのナレッジ

  • 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、

    TensorFlowのGPU環境をGCPでさくっと作る方法 - Qiita

  • ブラウザで機械学習が実行できるようになる「TensorFlow.js」が登場

    Googleは2018年3月30日に開かれたTensorFlow Dev Summit 2018にて、オープンソースの機械学習ライブラリ「TensorFlow」をアップデートし、ウェブブラウザで実行できる「TensorFlow.js」や、スマートフォンやRaspberry Piなど小さいパワーのマシンで実行できる「TensorFlow Lite」などを追加したと発表しました。 Introducing TensorFlow.js: Machine Learning in Javascript https://medium.com/tensorflow/introducing-tensorflow-js-machine-learning-in-javascript-bf3eab376db TensorFlow Developer Summit 2018の様子は以下から見られます。なお、全編で8

    ブラウザで機械学習が実行できるようになる「TensorFlow.js」が登場
  • 1

お知らせ

もっと読む

公式Twitter

  • @HatenaBookmark

    リリース、障害情報などのサービスのお知らせ

  • @hatebu

    最新の人気エントリーの配信

はてなブックマーク

公式Twitter

はてなのサービス

  • App Storeからダウンロード
  • Google Playで手に入れよう
Copyright © 2005-2024 Hatena. All Rights Reserved.