GitHub - stratospark/food-101-keras: Food Classification with Deep Learning in Keras / TensorflowYou signed in with another tab or window. Reload to refresh your session. You signed out in another tab or window. Reload to refresh your session. You switched accounts on another tab or window. Reload to refresh your session. Dismiss alert
Deep Learning with Python - François Chollet
pro $24.99 per month access to all Manning books, MEAPs, liveVideos, liveProjects, and audiobooks! choose one free eBook per month to keep exclusive 50% discount on all purchases renews monthly, pause or cancel renewal anytime lite $19.99 per month access to all Manning books, including MEAPs! team 5, 10 or 20 seats+ for your team - learn more
自然言語処理における畳み込みニューラルネットワークを用いたモデル - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? はじめに 最近、畳み込みニューラルネットワーク(CNN)を用いた自然言語処理が注目を集めています。CNNはRNNと比べて並列化しやすく、またGPUを使うことで畳み込み演算を高速に行えるので、処理速度が圧倒的に速いという利点があります。 この記事は、自然言語処理における畳み込みニューラルネットワークを用いたモデルをまとめたものです。CNNを用いた自然言語処理の研究の進歩を俯瞰するのに役立てば幸いです。 文の分類(評判分析・トピック分類・質問タイプ分類) Convolutional Neural Networks for Sentence
NanoNets : How to use Deep Learning when you have Limited Data
Disclaimer: I’m building nanonets.com to help build ML with less data Part 2 : Building Object Detection Models with Almost no HardwareI think AI is akin to building a rocket ship. You need a huge engine and a lot of fuel. If you have a large engine and a tiny amount of fuel, you won’t make it to orbit. If you have a tiny engine and a ton of fuel, you can’t even lift off. To build a rocket you nee
「機械学習とは？」から始めるDeep Learning実践入門
前提スキル: スクリプト言語の開発をしたことがある方（Python/Ruby etc） ターミナル/Linuxコマンドに抵抗が無い方 詳細内容 Part1: 機械学習とDeepLearningの概要 機械学習とは DeepLearningとは？ DeepLearningってなにがすごいの？ DeepLearningってなにができるの？ Part2: Jupyter NotebookとChainerを使ってDeep Learningに触れてみよう Jupyter Notebookをセットアップしよう！インストールから一緒にやります！ Deep LearningのHello worldであるMinstをやってみよう！ Chainerで線画自動着色してみよう！ 会場について 会場までの道のり ピクスタ株式会社への行き方 設備 Wifiあります 飲食できます 但し、ゴミは持ち帰ってください 禁煙で
日本でもAmazon Echo年内発売？既に業界は戦々恐々 | 湯川鶴章のテクノロジーフィクション | コラム＆ブログ | ニューズウィーク日本版 オフィシャルサイト
＜一度使えばスマホには戻れなくなる、といわれる音声コマンドの大ヒット・デバイス、Amazon Echo（エコー） がいよいよ日本上陸！？ 搭載されている音声認識技術 Alexa（アレクサ）に対応する家電や自動車も続々と現れて、これからは音声入力が生活の主役になりそうだ＞ アメリカで爆発的人気のスピーカー型音声アシスタント「Amazon Echo」。業界関係者によると、日本でも年内に発売になる可能性が高い。スマートフォン全盛時代に終止符を打つ可能性があると言われるほどの大型ヒットデバイスだけに、まだ噂の段階ながら戦々恐々とする業界関係者が多い。 ボイスファーストが強み Amazon Echoでどんなことができるのか。イメージ的には、スマホのデジタルアシスタントGoogle NowやiPhoneのsiriのようなもの。違いは、ボイスファーストだというところ。ディスプレイを搭載していないので、音
Intel FPGAs Break Record for Deep Learning Facial Recognition
Intel FPGAs Break Record for Deep Learning Facial Recognition Today Intel announced record results on a new benchmark in deep learning and convolutional neural networks (CNN). Developed with ZTE, a leading technology telecommunications equipment and systems company, the image recognition technology is what many companies in Internet search and AI are trying to advance. Perception, such as recogniz
Deep Reinforcement Learning: An Overview
We give an overview of recent exciting achievements of deep reinforcement learning (RL). We discuss six core elements, six important mechanisms, and twelve applications. We start with background of machine learning, deep learning and reinforcement learning. Next we discuss core RL elements, including value function, in particular, Deep Q-Network (DQN), policy, reward, model, planning, and explorat
AI時代、NVIDIAが当面は無敵と思える理由 | AI4U
最近の株式市場もAIブーム。その中で最も注目されている銘柄が米半導体メーカーNVIDIA（エヌビディア）。同社の株価もすごいことになっているが、最近では同社と提携する企業の株価も高騰する傾向にある（関連記事：AI相場“中核”、ＮＶＩＤＩＡ関連の「神通力」）。 果たしてNVIDIAは、このままAI時代の覇者として逃げ切ることになるのだろうか。日本法人のDeep Learning部長の井崎武士さんにお話を聞いた。（ITジャーナリスト・湯川鶴章） 2000個のCPUの計算を12個のGPUで実現 そもそもNVIDIAって、いつAI企業になったのだろう。ゲーム用半導体のメーカーと認識していたのは僕だけじゃないはず。 世界中のAIの研究者がNVIDIAのGPU（Graphics Processing Unit）に注目したのは2012年といわれる。Googleが2000個のCPU（Central Pro
10 Deep Learning Trends and Predictions for 2017
I used to write predictions for the upcoming year in my older blog. The last one I recall writing was “Software Development Trends and Predictions for 2011”. That’s quite a long time ago. Just to recap, out of 10 predictions, I gather that I got 6 accurately (i.e. Javascript VM, NoSQL, Big Data Analytics, Private Clouds, Inversion of Desktop Services, Scala), however the the remaining 4 have not g
反対の方向からやって来る人 - PythonではじめるDeep learning
2017 - 01 - 24 反対の方向からやって来る人 人生 シェアする Bookmark! Facebook Twitter Google+ Pocket この間、大学の帰り道に駅のホームを歩いていた時のことです。 適当に書いたレポートを、ぽいっと提出して、 大学辞めたいなぁ、とか思いながら 駅のホームを歩いていました。 大量の大学生が大学の方に向かっていました。 きっと彼らには今からテストがあるのでしょう。 その流れに逆らって歩いていると その中に自分と同じ方向を向いている人を何人か見つけることが出来ました。 1組のカップルと、それと僕と同年代くらい男の人です。 男がカップルの横を、するり、と抜いていきます。 僕はこの人に負けちゃいけない。 なぜか、そう思って、この人について行くことにしました。 ホームの橋から橋まで歩くつもりなのでしょう、 どんどん進んでいきます。 だんだんと、歩幅
量子コンピュータが人工知能を加速する。を読んだら僕の世界が加速した話(後編) - PythonではじめるDeep learning
2017 - 01 - 24 量子コンピュータが人工知能を加速する。を読んだら僕の世界が加速した話(後編) シェアする Bookmark! Facebook Twitter Google+ Pocket おはようございます(ᵔᴥᵔ) まず初めに、読者登録してくださった方々ありがとうございます！(ᵔᴥᵔ) せっかくこんなにたくさん登録していただいたのに、全然更新できなくてすみません！ これからはできるだけちゃんと更新していくのでよろしくお願いします(ᵔᴥᵔ) ということで、さっそく本題に入りたいと思います。 目次 前編のまとめ 後編 人工知能の加速によって世界が変わる 量子の世界 日本は今後どうすればいいのか？ おわりに 前編のまとめ いきなり後編に入る前に、前編を読んでない方もいると思うのでこれまでの流れを軽くおさらいをしたいと思います。 まず、「D-wave」という謎のベンチャー企業によ
Short intro to C++ for Rust developers: Ownership and Borrowing
Today, there was a reddit post that asked what one needs to know when Going after C++ with Rust basics. I thought this was an interesting question to answer in a blog post and revive my blog. Since I got C++ job after learning Rust, I thought it would be interesting to write a summary how one would adapt to C++ with some prior Rust experience. I would assume the reader already knows C++ syntax and
Inside of Deep Learning （ディープラーニングの性能改善手法 一覧） - Qiita
このポストは Inside of Deep Learning あるいは深層学習は何を変えるのか から分割したものです。全体があまりに長くなってしまったので、改善手法についても別のページにしました。 DL（ディープラーニング）の性能を改善していくポイントを駆け足で見て行きましょう。 学習データの追加、改善 DLシステムの性能を上げるためにはためにはより沢山の学習データが必要と言われています。例えば下記の図は、顔のパーツやバスの認識について学習データを増やすほど性能が上がるとした論文のものです。 Do We Need More Training Data? 画像であれば左右、上下、および上下左右に反転させた画像を使ってどちらを向いていても正しく特徴を取れるようにしたり、あるいは少し拡大したりノイズを混ぜるなどしてデータを水増しする手法がよく使われます。ユニークなのは例えばCGを用いて画像を作成
Inside of Deep Learning （ディープラーニングの基本要素） - Qiita
通常は出力値を予測するだけですが、トレーニング中はこの予測結果をフィードバックします。入力データに対しての正解データ（教師データ）を用意してやり、損失関数という式を使って予測値が正解ととれだけ離れているかを計算します。 これを元に、現在のモデルをどのように修正すれば正解に近づく可能性が高いを計算します。これがオプティマイザです。損失値の勾配とオプティマイザによってネットワークがより強化され、この一連の流れがバックプロパゲーションです。 ネットワークはもともとはランダムの初期値を持っています。これが一度のバックプロパゲーションにより強化され、少しづつフォワードプロパゲーション、バックプロパゲーションを繰り返していく事でシステム内の初期値（パラメータ）が学習していきます。 モデル、伝達関数 モデル内の実際の計算を見てみましょう。簡便のため一つのレイヤーの局所的な計算を図解します。 x1からx4
ドローンや自動走行車などの「頭脳」を開発するNeurala、1400万ドルを調達 - BRIDGE（ブリッジ）
上：マサチューセッツ州ケンブリッジの道路にて。自動的に歩行者、自動車、自転車、トラックを検知する。（Image Credit: Neurala） 人工知能をドローン、ロボット、自動車、一般家電に対して提供するソフトウェア・サービスを開発するNeuralaが、1400万ドルのシリーズAラウンドを調達したことを発表した。今回のラウンドを主導したのはPelion Venturesで、Sherpa Capital、Motorola Ventures、360 Capital Partners、Draper Associates Investments、SK Ventures、Idinvest Partnersも投資に参加している。 2006年に創業して以来、Neuralaは自動制御のマシンが人間の操縦なしに機能することを可能にするスマートな機能を開発してきた。その提供範囲は、おもちゃから自動走行車ま
Stanford University: Tensorflow for Deep Learning Research
No class on Friday, Feb 2. See syllabus. For the last year's website, visit here TensorFlow is a powerful open-source software library for machine learning developed by researchers at Google. It has many pre-built functions to ease the task of building different neural networks. TensorFlow allows distribution of computation across different computers, as well as multiple CPUs and GPUs within a sin
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
世界最高の学習速度を達成！高精度なAIを実現する「Deep Learning」の最先端技術 : FUJITSU JOURNAL（富士通ジャーナル）
ゼロから作る Deep Learning 読んだ - higepon blog
Adit Deshpande – Engineering at Forward | UCLA CS '19
