nabinnoのブックマーク - はてなブックマーク

[Python]Matplotlibで複数のグラフを描画する方法 - Qiita
import matplotlib.pyplot as plt import numpy as np t = np.linspace(-np.pi, np.pi, 1000) x1 = np.sin(2*t) x2 = np.cos(2*t) fig, (axL, axR) = plt.subplots(ncols=2, figsize=(10,4)) axL.plot(t, x1, linewidth=2) axL.set_title('sin') axL.set_xlabel('t') axL.set_ylabel('x') axL.set_xlim(-np.pi, np.pi) axL.grid(True) axR.plot(t, x2, linewidth=2) axR.set_title('cos') axR.set_xlabel('t') axR.set_ylabel('x')
nabinno 2018/02/11
qiita

matplotlib

python

data-visualization

analytics
リンク
[Survey]Depth Map Prediction from a Single Image using a Multi-Scale Deep Network - Qiita
Single ImageからDepth Mapを推定するという論文この後更に改良したバージョンの論文が出ています。 Depth Estimationはシーンの幾何学的な理解のために重要です。Stereo ImageからのDepth Estimationに比べてSingle ImageからのDepth Estimationは少ないです。Single ImageからのDepth Estimationでは、Depthの手がかりとなる、line angle, perspective, object size, image position, atmospheric effectを使う必要があります。GlobalなSceneではこのような関係は必要になるかもしれないけれど、LocalなSceneではStereoで十分です。 Sinｇle ImageからのDepth Estimationは、ill
nabinno 2017/12/15
deep-learning

artificial-neural-network

unsupervised-learning

cluster-analysis

analytics

algorithm

machine-learning
リンク
[Python]Matplotlibで散布図を描画する方法 - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article?
nabinno 2017/05/21
qiita

matplotlib

python

data-visualization

analytics

scatter-plot
リンク
[Python]Matplotlibでヒストグラムを描画する方法 - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article?
nabinno 2017/05/21
qiita

matplotlib

python

data-visualization

analytics
リンク
[TF]Tensorflowの学習パラメータの保存と読み込み方法 - Qiita
# # import # In[1]: import tensorflow as tf import numpy as np from tensorflow.examples.tutorials.mnist import input_data # # load dataset # In[2]: mnist = input_data.read_data_sets("./data/mnist/", one_hot=True) # # build model # In[3]: def mlp(x, output_dim, reuse=False): w1 = tf.get_variable("w1", [x.get_shape()[1], 1024], initializer=tf.random_normal_initializer()) b1 = tf.get_variable("b1", [
nabinno 2016/05/20
qiita

tensorflow

machine-learning

data-visualization

python
リンク
[Survey]Deep Residual Learning for Image Recognition - Qiita
Deep Residual Learning for Image Recognition Kaiming He, Xiangyu Zhang, Shaoqing Ren, Jian Sun ImageNetのCompetitionで１位になったMSRAの論文・network層をdeepにすることは性能向上に欠かせない。・しかし、Deepにすると性能が向上せずに悪くなることが知られている。（下のグラフ）・これらはOverfittingによるものではなく、勾配が０になったり、発散したりするため。これを解決しようというのがこの論文の趣旨 Residual Network 普通のNetwork $H(x)$が所望するmapping(求めたい変換） 2 weight layerをH(x)になるように学習する Residual Network ・$x$をshortcutして足し合わせると$H(
nabinno 2016/03/26
qiita

deep-learning

artificial-neural-network

unsupervised-learning

cluster-analysis

analytics

algorithm

machine-learning
リンク
[Survey]Binarized Neural Networks: Training Deep Neural Networks with Weights and Activations Constrained to +1 or -1 - Qiita
Binarized Neural Networks: Training Deep Neural Networks with Weights and Activations Constrained to +1 or -1 Matthieu Courbariaux, Itay Hubara, Daniel Soudry, Ran El-Yaniv, Yoshua Bengio BinaryNetは、weightとactivationを2値化したhardware friendlyな**DNN(Deep Neural Network)**です。論文ではactivationと書かれていますが、たぶん活性化関数の出力のことかなと思います。要は重みにかけられる方の値です。これにより以下の特徴が得られます。・１bitなのでメモリを劇的に減らせる・掛け算器をXNORに置き換えられる（回路規模、処理
nabinno 2016/03/06
qiita

artificial-neural-network

unsupervised-learning

cluster-analysis

analytics

algorithm

machine-learning
リンク
[TF]TensorflowのAPIについて - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article?
nabinno 2016/02/18
qiita

tensorflow

machine-learning

data-visualization

web-api

python
リンク
1