Deep Learning Frameworks Compared
In this video, I compare 5 of the most popular deep learning frameworks (SciKit Learn, TensorFlow, Theano, Keras, and Caffe). We go through the pros and cons of each, as well as some code samples, eventually coming to a definitive conclusion. The code for the TensorFlow vs Theano part of the video is here: https://github.com/llSourcell/tensorflow_vs_theano An article that explains the difference
Yahoo、ポルノ写真の検出に応用できるディープラーニングモデルをオープンソース化 - BRIDGE（ブリッジ）
Sunnyvale の Yahoo 本社に掲げられた看板 Image Credit: Ken Yeung/VentureBeat 今日（9月30日）、Yahoo は画像がポルノ写真かどうかを判定するモデルをオープンソース化する旨のリリースを発表した。 このシステムは、ディープラーニングという、ある種の人工知能技術を使って、（ダーティーイメージなどの）多くのデータをもとに人工ニューラルネットワークをトレーニングし、新しいデータについて推測させようというものだ。現在、2条項BSD ライセンスのもと GitHub 上で入手可能となっているこのモデルは、機械学習をさせる前の段階であるため、利用にあたってはユーザが微調整を施す必要がある。このモデルは広く使われている、オープソースのディープラーニング・フレームワーク「Caffe」と連携する。Yahoo のチームでは、自ら開発したオープンソース・シス
CS 6501 -- Deep Learning for Computer Graphics
Course Summary Lectures: TuTh 3:30 - 4:45 PM, Room: Olsson 009 Office hours: TuTh 1:00 - 2:00 PM, Rice 510, or by appointment via email Course Description In this graduate seminar, we will study deep learning techniques and their application to computer graphics. Topics include: Artificial neural networks, including the following subtopics: Supervised and unsupervised learning Feedforward and conv
え、台場に？ AI時代のインフラエンジニアに向けて「Tech Summit」上陸
印刷する メールで送る テキスト HTML 電子書籍 PDF ダウンロード テキスト 電子書籍 PDF クリップした記事をMyページから読むことができます Windows Server 2016の一般提供（GA）、Azure Stackのアプライアンスお披露目、そしてMicrosoft 最高経営責任者（CEO）Satya Nadella氏が“AI（人工知能）駆動のデジタルトランスフォーメーション”を語った「Microsoft Ignite」（米アトランタで9月26～30日に開催：関連記事1、2、3）。そのIgniteの日本版イベント「Tech Summit 2016」が11月1～2日に東京・お台場で開催される。 Tech Summitは、日本マイクロソフトが、インフラ運用管理者をメインターゲットとして実践的な内容を紹介する技術イベントだが、アプリケーション開発者向けや、開発者と運用管理者の
Epiphany-V: A 1024-core 64-bit RISC processor
I am happy to report that we have successfully taped out a 1024-core Epiphany-V RISC processor chip at 16nm. The chip has 4.5 Billion transistors, which is 36% more transistors than Apple’s latest 4 core A10 processor at roughly the same die size. Compared to leading HPC processors, the chip demonstrates an 80x advantage in processor density and a 3.6x advantage in memory density. Epiphany-V Summ
手書きひらがなの認識で99.78%の精度をディープラーニングで - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? 手書きひらがなの認識、教科書通りの畳み込みニューラルネットワーク（ディープラーニング）で、99.78%の精度が出ました。教科書通りである事が（独自性がない事が）逆に読む方・書く方にメリットがありそうなので、Qiitaで記事にします。 ソースコード ソースコードは https://github.com/yukoba/CnnJapaneseCharacter です。 いきさつ いきさつは、友人と手書きひらがなの認識の雑談をFacebookでしていて、ググったら、この2つが見つかりました。 「Tensorflowを２ヶ月触ったので"手書きひら
ChainerによるRecurrent Neural Network(RNN)のお勉強 〜ExcelとRの乱数の精度検証〜 - Qiita
# -*- coding: utf-8 -*- from chainer import FunctionSet, Variable, optimizers,serializers from chainer import functions as F from chainer import links as L from sklearn import base from sklearn.cross_validation import train_test_split from abc import ABCMeta, abstractmethod import numpy as np import six import math import cPickle as pickle class BaseChainerEstimator(base.BaseEstimator): __metaclas
Learning Reinforcement Learning
Github Repo with code and exercises Why Study Reinforcement Learning #Reinforcement Learning is one of the fields I’m most excited about. Over the past few years amazing results like learning to play Atari Games from raw pixels and Mastering the Game of Go have gotten a lot of attention, but RL is also used in Robotics, Image Processing and Natural Language Processing. Combining Reinforcement Lear
機械学習論文読みメモ_4 - Qiita
The Power of Depth for Feedforward Neural Networks, arXiv NNの層数を増やす事は、層の幅を増やす事に比べて指数的により表現力が増大する事を示した。 この事は基本的にすべての活性化関数に対して言う事が出来る。 この事の証明は、従来のブール関数に基づく手法に比べて過程が少なく、異なった手法を用いている。 NEURAL PROGRAMMER-INTERPRETERS, ICLR 2016 プログラムを学習し表現および理解できる組み合わせ可能なモデル構造を開発した。 コアモジュールはプログラムを表現するLSTMベースの学習可能なモジュールであり、入力として前回実行されたプログラム情報と環境情報の特徴表現を使う。 これにより次に実行するプログラム、プログラム終了判定フラグを出力する。 またプログラムの表現モデルに関するkey valueを記憶
推薦システムのトップ会議RecSys2016に参加した #recsys2016
推薦システムのトップ会議 RecSys2016 が9月15日から19日までアメリカのボストンで開催され、ワークショップ発表者＆学生ボランティアとして参加してきた。これまで学会発表はひとりで行くことが多く、今回も例外ではなかったが、ボランティアのおかげで他の学生との交流や伝説的な研究者との接触が多くてとても楽しめた。みんなもやると良いと思う。 RecSys2016@Boston RecSysは今回で10回目を迎えた推薦システムのトップ会議で、本会議の採択率はショートペーパーでも20%という狭き門。僕はワークショップのひとつ Profiling User Preferences for Dynamic Online and Real-Time Recommendations（長い）で、ECサイトとかでよく見られる persistent cold-start という問題と、それに絡めて Fact
Sparkで利用できるDeep Learningフレームワークまとめ - Gunosyデータ分析ブログ
こんにちは、Gunosyデータ分析部に所属している森本です。 主な担当業務は記事配信アルゴリズムの改善、ログ基盤運用です。 最近良く聞く音楽はOne Direction - Live While We're Youngです。 本記事では、Sparkで利用できるDeep Learningフレームワークをまとめました。 GunosyではChainerで畳み込みニューラルネットワークを応用し、ユーザーのデモグラフィック推定を行っています。 WebDB Forum 2016 gunosy from Hiroaki Kudo Chainer以外にも多数のDeep LearningフレームワークがPythonを中心に数多く存在します。 TensorFlow, Keras, Caffe, Theanoなどなど。どのフレームワークが優れているかという回答は状況に応じて変わりますが、Pythonを使用する大
Playing FPS Games with Deep Reinforcement Learning
Advances in deep reinforcement learning have allowed autonomous agents to perform well on Atari games, often outperforming humans, using only raw pixels to make their decisions. However, most of these games take place in 2D environments that are fully observable to the agent. In this paper, we present the first architecture to tackle 3D environments in first-person shooter games, that involve part
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
Connections between physics and deep learning
GitHub - IntelLabs/rnnlm: Recurrent Neural Network Language Modeling (RNNLM) Toolkit
Deep Learningで始める文書解析入門
Sheepl : Automating People for Red and Blue Tradecraft
TechCrunch | Startup and Technology News
GitHub - tqchen/tinyflow: Tutorial code on how to build your own Deep Learning System in 2k Lines
TechCrunch | Startup and Technology News
GitHub - junyanz/iGAN: Interactive Image Generation via Generative Adversarial Networks
