GPUの動作ログを確認する（取得編＠spyder） - Qiita
きっかけ きっかけは二つありまして １．KerasでImageDataGeneratorを使い大量の画像で学習したり batchサイズを大きくすると、GPUのメモリが不足して（？）計算が止まる事がある ２．Tensor coreを使うためにFP16で計算させたいが GPUにFP16でデータ渡ってるの？ そもそもTensor core動いてるの？ というわけでGPUのログを取れないかと調べておりまして @kuroyagi様の記事を参考に動かしてみました https://qiita.com/kuroyagi/items/e70c55cbc88fc0ed0220 @kuroyagi様の記事は「Jupyter」を使用していましたが この記事では「spyder」を使用しています 結論としてはログは取れるようになりましたが ログの中身の解説は全くありません() 確認環境 OS:Windows10Hom
画像等の配列を扱うときの操作方法 - Qiita
pythonの配列の操作の仕方は記事が多数ありますが 画像とかkerasに特化した 作業に対してどう記述すればいいのかをまとめてみました ええ、自分用メモです 画像を1枚だけNumpy配列にする（3次元） (224,224,3)で入力 リサイズの時はtarget_size=(224,224)を変更 jpg,bmpは読込確認済み 裏でPILが動いているらしいのでおそらくpngも平気なはず ※2018.10.23 pngも読み書きOKでした from keras.preprocessing.image import load_img, img_to_array img_path = ('./' + ファイル名 + '.jpg') img_3 = img_to_array(load_img(img_path, target_size=(224,224)))
CNNの学習結果を可視化する - Qiita
※△１ 2019.02.01 動かない環境があった為修正 ※△２ 2019.02.03 文章を各所修正 CNNの任意の特長マップを使用して可視化をするスクリプトです 下記にある通りGrad-CAMで表示がおかしくなる学習結果に対しても そこそこ良好な可視化結果を得られています。 ただし問題がありまして、識別率が低い画像を可視化すると 判別に使用していない特長フィルターも可視化されてしまうので 関係ないところまで反応してしまうという問題があります この辺はGrad-CAMの手法で解決できるので 両方を使い分けるのがいいと思います 確認環境 python3.6.6 , 3.6.7 , 3.6.8 Tensorflow:1.10.0 Keras：2.2.2 , 2.2.4 やり始めたきっかけ Grad-CAMを使って作成したモデルの評価を行っていました いつものデータセットを使いVGG16のファ
keras.preprocessing.image使い方メモ - Qiita
ページによって引数の説明があったりなかったりするので 実際に動かしたトライをもとに抜粋してメモ 確認環境 python3.6.6 Tensorflow:1.10.0 Keras：2.2.2 import例 from keras.preprocessing.image import load_img, save_img, img_to_array, array_to_img
BatchNormalizationはどこに入れればいいのか?(CNN編①） - Qiita
BatchNormalization（以下BN）を入れると 過学習が起きにくくなるという事は経験的にわかっていましたが どこに入れればいいのか不明なので、簡単なCNNのモデルを作成し確認してみました BNの細かい説明はお魚の本P.186～を参照 データセットによって動きが変わることは十分考えられますので、参考程度にお願いします ただ、思ったよりも動きが変わって面白かったです ※△１ 2018.10.7追記 上記の予想通り、データセットをcifer10に変更したところ BNを入れた方がlossが大きくなる結果となりました 検証はこちらに掲載します 簡単にまとめると データ数が十分に多く、モデルのパラメータが少ない 過学習が起きづらいモデルに対してBNを導入すると lossが大きくなるようです 確認環境 python3.6.6 Tensorflow:1.10.0 Keras：2.2.2 学習デ
CUDA9.0のインストール(Win10_201809版） - Qiita
新しくPCを組んだので入れ方をメモ なんで9.0+V7.1かというとjetson TX2と同じにしたかった為 1.入れたものと入れた先の情報 1)インストールしたもの cuda_9.0.176 CuDNNv7.1 2)インストール環境 OS:Windows10Home GPU：GTX1070 GPUのドライバー：399.07 VS2015：Version 14.0.25431.01 Update 3 開発環境 (1)python3.6.6 (2)tensorflow1.10.0 (3)keras2.2.2 2.ソフトの入手 1)VS2015 ローカルにあったのを使用（） 2)CUDA9.0 ダウンロード 本体とパッチ４つを落とす 3)CuDNNの入手 ダウンロード 詳細略() 3.インストール 1)VS2015 入れるときはカスタムにしてC++とPythonのオプションを入る 2)CUDA
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
処理を実行中です
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
