DMLC
Aug 08, 2024 : Player emotion analysis: ML technologies of Leon casino Oct 11, 2017 : RNN made easy with MXNet R Jun 1, 2017 : Conditional Generative Adversarial Network with MXNet R package Jan 18, 2017 : MinPy: The NumPy Interface upon MXNet’s Backend Jan 7, 2017 : Bring TensorBoard to MXNet Dec 14, 2016 : GPU Accelerated XGBoost Nov 21, 2016 : Fusion and Runtime Compilation for NNVM and TinyFlo
各機械学習ライブラリの比較をまとめる - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? この部分は需要が高いと思ったので、以下の自分の投稿から抜粋。 TensorFlowのチュートリアルを通して、人工知能の原理について学習する http://qiita.com/jintaka1989/items/3b70b5c5541620536fa2 以下のことについて知りたい人向けの記事。 ・各機械学習ライブラリの比較 ちなみに私はTensorFlowしか触っていないので、 この記事はブログなどを探索して、それをまとめたものである。 追記：実際にライブラリをいろいろ使ってみた人の感想はこちら https://speakerdeck.c
Deep Learning のトレンドについて喋ってきた
Convolutional Neural NetworksのトレンドについてCasualじゃない話をしてきました． 全脳アーキテクチャ若手の会カジュアルトーク 全脳アーキテクチャ若手の会カジュアルトーク というところでお話をしてきました． ちょっと層がわからなかったのですが，IT系のエンジニアの方が多かったみたいです． （学生は4人くらい…？しかもほぼ身内） 僕のスライドはSlide Shareの方にアップロードされています． しかも，映像もアップロードされていた… 発表後記 実際はConvolutional Neural Networks(CNN)系論文128本ノックにするつもりだったとはいえない空気でしたね… 個人的には画像生成やキャプション生成系の研究速度はとても速く進んでいると感じています． Visual Turing Test の話はもう少し掘り下げたかったですね． Deep M
Dueling Network Architectures for Deep Reinforcement Learning [arXiv:1511.06581]
Dueling Network Architectures for Deep Reinforcement Learning [arXiv:1511.06581] 概要 Dueling Network Architectures for Deep Reinforcement Learning を読んだ Double DQNにDueling Networkを組み込んだ DQN・Double DQNと比較した はじめに この論文は新しい強化学習のアルゴリズムを提案するのではなく、Q関数の内部構造に変更を加えたDueling Architectureを提案しています。 そのためQ関数を用いた強化学習全般に適用でき、導入する際のコードの変更も少なくて済みます。 Dueling Architecture まずQ関数を以下のように分解します。 \[\begin{align} Q(s,a)=\hat{V}
![Dueling Network Architectures for Deep Reinforcement Learning [arXiv:1511.06581]](https://cdn-ak-scissors.b.st-hatena.com/image/square/19cd375d719281c303d0dccd7496fb5c4f69620c/height=288;version=1;width=512/http%3A%2F%2Fmusyoku.github.io%2Fimages%2Fpost%2F2016-03-27%2Fepisode_reward.png)
夏季インターンのコーディング課題を公開します - Preferred Networks Research & Development
PFNの大野です。暑くなってきましたね。 PFI/PFNでは毎年8, 9月にインターンシップを実施しています。2ヶ月間と日本で行われるインターンシップの中では比較的長期間のプログラムですが、毎年多くの方にご参加いただいています。我々自身、インターンで来ていただく方から多くの事を勉強することができ、最も力を入れているイベントの1つです。今回は本社を大手町に移転してから初めてのインターンシップです。今年は例年以上の応募をいただき、過去最大規模でのインターンシップとなりそうです。 さて、インターンシップの選考では、応募者の方々にコーディング課題を解いていただいています。このコーディング課題は情報科学の基礎知識・プログラミング能力・問題解決能力を測ることを目的としており、毎年担当者が趣向を凝らした問題を作成しています。例年、どのような問題がコーディング課題として出題されるのか問い合わせをいただいて
NeuPy — NeuPy
NeuPy is a python library for prototyping and building neural networks. NeuPy uses Tensorflow as a computational backend for deep learning models. User Guide Install NeuPy Check the tutorials Learn more about NeuPy in the documentation Explore lots of different neural network algorithms. Read articles and learn more about Neural Networks.
12 Books Every JavaScript Developer Should Read
I’m a big fan of JavaScript books. Being a long-time learner of JavaScript, I’ve had the pleasure of reading a great many of the popular JavaScript books on the market. These days I tend to skip the ones targeted to rank newbies, but I still read a lot of books intended for JavaScript developers with a little experience. This is a strange time for JavaScript books. Because we just got a major upda
Human-in-the-loop deep learning will help drive autonomous cars
Human-in-the-loop deep learning will help drive autonomous cars In a not-too-distant future, autonomous cars, driven largely by AI systems, will hit the road in large numbers. But getting autonomous vehicles on the road is only half the battle. That’s because, even after the cars are out there, system operators will need to frequently update their software models and deploy updates to their fleets
How to Start Learning Deep Learning
Due to the recent achievements of artificial neural networks across many different tasks (such as face recognition, object detection and Go), deep learning has become extremely popular. This post aims to be a starting point for those interested in learning more about it. If you already have a basic understanding of linear algebra, calculus, probability and programming: I recommend starting with St
GitHub - beniz/deepdetect: Deep Learning API and Server in C++11 support for Caffe, Caffe2, PyTorch,TensorRT, Dlib, NCNN, Tensorflow, XGBoost and TSNE
DeepDetect (https://www.deepdetect.com/) is a machine learning API and server written in C++11. It makes state of the art machine learning easy to work with and integrate into existing applications. It has support for both training and inference, with automatic conversion to embedded platforms with TensorRT (NVidia GPU) and NCNN (ARM CPU). It implements support for supervised and unsupervised deep
Lighting the way to deep machine learning
Open source Torchnet helps researchers and developers build rapid and reusable prototypes of learning systems in Torch. Building rapid and clean prototypes for deep machine-learning operations can now take a big step forward with Torchnet, a new software toolkit that fosters rapid and collaborative development of deep learning experiments by the Torch community. Introduced and open-sourced this we
Kerasで学ぶ転移学習
前回記事では、KaggleのFacial Keypoints Detectionを題材にして、単純なニューラルネットワークから転移学習まで解説しました。 事前に学習した重みを読み込んだ後、全ての層で学習するのではなく、一部の層をフリーズさせることもできるという話を最後に少しだけしました。ちょうどその後、転移学習について詳細に解説しているKerasの公式ブログ記事が公開されましたこともあり、今回はこの記事を参考にしつつ、転移学習をメインに解説していきます。間違いがあれば指摘してください。今回もFacial Keypoints Detectionのデータを使って解説していくので、前回記事も是非合わせて読んでみてください。 また、Keras 1.0.4が公開されたのでまだの人はアップデートしておくと良いかと思います。 目次 転移学習 可視化 全結合層のみ学習（前回モデル） 全結合層+一部の畳み込
EC2 Spot Instanceの価格変動をターミナルでモニタリングする - すぎゃーんメモ
というものを作った。こんな感じの。 Repository : https://github.com/sugyan/spot-price-watcher 背景 TensorFlowを使ったDeep Learningでアイドルの顔識別なんかをずっとやってきたけど、やっぱりCPUマシンだけでやっていくのは厳しいな、と思い、 やっぱりPC自作は費用対効果を考えると無いなーってことで結局EC2のGPUインスタンスでTensorFlow動かせる環境を頑張って整えた。スポットインスタンスだけ使って節約してるつもりだけど、本当に10倍くらい早くなってサイコーに快適すぎてうっかりジャブジャブ課金してしまいそう…— すぎゃーん💯 (@sugyan) June 16, 2016 ということでAmazon EC2にてGPU instanceを使って動かすことにした。 g2.2xlargeインスタンスでTenso
Deep Learning 勉強会 Chapter 12
研究の方ではなかなか触る機会が無いのですが，知識だけは入れておきたいということで最近は社外の人達が主催しているDeep Learning勉強会に参加させてもらっています． こちらでは輪講資料として以下のサイトで公開されている書籍のドラフト版を使用しています． https://www.deeplearningbook.org/ なかなか知識不足という事もあって，細かい部分は分からなかったりするのですけど，12章は自然言語処理の話も含まれていることから私の担当となりました．広い内容をカバーしていることもあって私としても非常に勉強になりました． 勉強会の中では Chen and Goodman の資料は 1998 ではないかと書いたのですが，1999の物もありました．ということで，資料の方でのリファレンスの指摘は私の間違いです． http://www2.denizyuret.com/ref/go
Twitter が創業18ヶ月のAIスタートアップ「Magic Pony」を買収 - BRIDGE（ブリッジ）
Image: Screenshot ＜ピックアップ＞Twitter buys deep learning startup Magic Pony in live video push Twitter がマシーンラーニングのスタートアップ「Magic Pony」を買収した。Twitterは買収額を公開していないが、一部報道によれば、同社は創業からまだ18ヶ月のこのスタートアップを1億5000万ドルで買収するという。 今回の買収によって一躍注目を集めている「Magic Pony」。一体どんなスタートアップなのか。 ロンドンに拠点を置き、インペリアル・カレッジ・ロンドンで統計、コンピュータビジョン、脳科学を学んだ若者たちが創業したMagic Ponyは、マシーンラーニングを活用してコンピュータとスマートフォンが低解像度の画像をより高解像度なものに処理する技術を開発する。 この仕組みについては、2ヶ
投票: がっつり実装、Deep Learning | PyCon JP 2016 in TOKYO
ちまたで、「Deep Learningスゲー」という声をちらほら聞きます。「Deep Learningやりたい」という声も聞きます。しかしその次にでる言葉が「誰かやって」「誰かできる人いない？」という感じです。少なくとも私の周りには。 また、githubでDeep Learningのフレームワークtheano やChainerを使った実装を見かけますが、素敵な実装はあまり見かけません。で、思うのは、みんなどのくらいDeep LearningのPythonコードを作れているんだろう？ということです。 そこで、theanoのラッパークラスをかれこれ10回位、つくっては壊しを繰り返し、Chainerを最近使い始めた著者が、Chainerを使った実装について、がっつり語りたいと思います。 Deep Learningの研究動向は、とかのはしません。実装の話です。 GPU化する方法とその驚くべき効果も
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
Emerging "Universal" FPGA, GPU Platform for Deep Learning
GitHub - kevinlin311tw/cvpr16-deepbit: Learning Compact Binary Descriptors with Unsupervised Deep Neural Networks (CVPR16)
GitHub - sindresorhus/emoj: Find relevant emoji from text on the command-line :sparkles: :horse: :see_no_evil:
GitHub - yohokuno/dl4nlp: Deep learning for natural language processing
