This is an experiment that finds images based on your movements.Back up so your whole body is in frame. This is a one person experiment.Your matching images show up here.Finally, try making a GIF!Turn on your webcam to get started!
![AI Experiments: Move Mirror](https://cdn-ak-scissors.b.st-hatena.com/image/square/8e6e30c0411779740a871b30e0faea7834a9bd76/height=288;version=1;width=512/https%3A%2F%2Fexperiments.withgoogle.com%2Fcollection%2Fai%2Fmove-mirror%2Fview%2Fassets%2Fimages%2Fshare.jpg)
This is an experiment that finds images based on your movements.Back up so your whole body is in frame. This is a one person experiment.Your matching images show up here.Finally, try making a GIF!Turn on your webcam to get started!
はじめに TensorFlow Developer Summit 2018 にて Webブラウザ上で機械学習のモデルの構築、学習、学習済みモデルの実行などが可能になるJavaScriptライブラリ「TensorFlow.js」がGoogleによって公開されました。 今はやりっぽいのでJavascriptの勉強もかねてちょっと動かしてみました。 目的 Python モデルをTensorFlow.js で読み込む方法メモ 作ったもの Pythonのモデルを用いた推測結果をTensorFlow.jsのコンソール上で表示 コード https://github.com/hiyashichuka/tfjs-iris ※以下を参考にしました https://github.com/tensorflow/tfjs-examples/tree/master/iris 環境 OS Windows 10 Bash
Author: Heng-Tze Cheng, Google Research New York, Google, Inc. Abstract: Creating and maintaining a platform for reliably producing and deploying machine learning models requires careful orchestration of many components—-a learner for generating models based on training data, modules for analyzing and validating both data as well as models, and finally infrastructure for serving models in produ
TL;DR MobileNet で使われていることで有名な ReLU6 を復習してみた 初出の論文(と思われるもの)では sparse feature を得るために使うという導入だった MobileNet の文脈では固定小数点数の演算に適している(上限を与えない場合と比べて resolution が高い) とはいえ 6 は実験によって決めるべきパラメタでしかなく、それ以上に深い意味はない(と思う) 最近勉強会で MobileNetV2について発表 する機会があり、改めて ReLU6 について考え直してみた。 ちなみに ReLU6 とは何かというと、単純に上限を 6 に設定した ReLU である。 \(x \rightarrow \min ( \max (0,x), 6 )\). この ReLU6 は MobileNet で使われていることで有名だが、これについて復習してみようというエントリ
2021-09-032018-06-26 『DeepLearning BOX』ではじめるディープラーニング①Windows 10で「TensorFlow」と「CNTK」を使ってみる 最近、いろいろなことろで注目を集めている「AI」「機械学習」「ディープラーニング」。 これらの技術は、画像認識・自然言語処理・音声処理などの分野で幅広く利用されはじめており、専門性をもつ研究者だけが利用するものではなく、ECサイトのおすすめ広告やSNSにおける顔認識、その他Amazon AlexaやGoogle Home, Siriなど、身近な技術に活用されるようになった。 そんな、「AI」「機械学習」「ディープラーニング」に最適化されたマシンとして、NVIDIA社から「ELITE SOLUTION PROVIDER」※として表彰された、GDEP アドバンスの「DeepLearning BOX」がある。これから
Stay organized with collections Save and categorize content based on your preferences. ML Kit brings Google’s machine learning expertise to mobile developers in a powerful and easy-to-use package. Make your iOS and Android apps more engaging, personalized, and helpful with solutions that are optimized to run on device.
はじめに 実行環境 理屈編 問題設定 損失関数 損失を小さくする勾配法 実践編 必要なライブラリの準備 問題設定 モデルの設計と損失関数 tf.keras.Modelクラスでモデルの雛形を作る 損失関数 勾配の計算 パラメータの更新 実験 初期状態のモデル 学習後のモデル 本当に学習は上手く行ったのか 補足 コード全体 関連記事 前回記事 続きの記事 はじめに 前回の記事では単回帰で直線をフィッティングする問題を、TensorFlow Eager Executionで実行しました。 割と低レベルなTensorFlowの機能を使ったため、数式とほとんど直結した形で機械学習の動作を確認できたのではないかと思います。 www.hellocybernetics.tech 実は先のような単回帰をしっかりマスターすると、基本的にどんなモデルを仮定するのかというのがちょっと変わるだけで、いろいろな手法を
理屈編 問題設定 損失関数 損失を小さくする勾配法 損失の減少はいつ終わるのか 学習がうまくいく更新の大きさ 学習がうまくいかない更新の大きさ 実践編 実行環境 必要なライブラリの準備 問題設定 モデルの設計と損失関数 tf.keras.Modelクラスでモデルの雛形を作る 損失関数 勾配の計算 パラメータの更新 実験 初期状態のモデル 学習後のモデル 本当に学習は上手く行ったのか コード全体 多項式フィッティングへの発展 理屈編 問題設定 ここでは最も単純な線形回帰である単回帰について説明します。 これは、入力変数がスカラーで $x$ 1つ、出力変数もスカラーで $y$ 1つのときに、 $x$ と $y$ の関係を一次式で表そうというものです。 データセット $D={(x_1, y_1), (x_2, y_2), \cdots, (x_N, y_N)}$がある時に( $x_i, y_i$
Introduction and Concepts:Autoencoders (AE) are a family of neural networks for which the input is the same as the output (they implement a identity function). They work by compressing the input into a latent-space representation, and then reconstructing the output from this representation. A really popular use for autoencoders is to apply them to images. The trick is to replace fully connected la
Twitterはユーザーに合わせたコンテンツを表示するため、機械学習を使用してサービスの改善に取組んでいます。記事作成時点で、Twitterは機械学習にTorchを使用していますが、2017年の夏頃からGoogleが開発したTensorFlowに移行する取り組みを行っています。TensorFlowに移行することで得られるメリットについて、Twitterのソフトウェアエンジニアであるニコラス・レオナール氏とシベーリ・モンテス・ハラース氏が説明しています。 Twitter meets TensorFlow https://blog.twitter.com/engineering/en_us/topics/insights/2018/twittertensorflow.html Twitterは2014年にディープラーニングを使用した画像検索やデータベース構築に取り組むMadbitsを買収し、同
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 「データ管理基盤の会社からデータ分析基盤の会社になった。米Teradataは、数年前に戦略を変えた。2017年10月からは、データベースにデータ分析エンジンを統合したブランドとしてTeradata Analytics Platformをうたっている」。 米Teradataは、DWH(データウエアハウス)用途に向いたデータベース管理システム(DBMS)として、「Teradata Database」を提供してきたベンダーだ。ここ数年は、データの管理に加えて、データの分析機能に注力してきた。DBMSにデータ分析エンジンを組み合わせて提供している。 データ分析機能への注力は、米Teradataの戦略の変化を受けたもの。SQLで構造化データを管理
はじめに フレームワークのこれまでと現状 ディープラーニングフレームワークの登場 Define by RunとDefine and Run Define and RunとDefine by Run戦争終結? ディープラーニングフレームワークのこれから ディープラーニング応用 はじめに 最近は自分自身が機械学習関連に触れる機会がめっきり減ってしまい、ブログの更新が全くできていない状態でした。久々にこの辺りの現状を調べてみたら、私がいろいろ機械学習を触っていた時と状況が大きく変化しているように見えました。 なので私が久々に調べてみて感じたところをまとめておきたいと思います。 実際に動かしてみた系の記事ではないですし、具体例がないのでもしかしたら私の頭の中で勘違いもあるかもしれませんが、そのときはご指摘いただけると幸いです。 フレームワークのこれまでと現状 ディープラーニングフレームワークの登場
最先端の現場だけでなく、身近なニュースでも耳にすることが増えた深層学習(ディープラーニング)。多くの方が関心を寄せる領域ではありますが、ハードルが高くまだ手を出せていない方もいらっしゃるのではないでしょうか。そこで今回、深層学習のモデルを実装するOSSライブラリであるTensorFlowの使い方や応用を解説した『現場で使える!TensorFlow開発入門』(翔泳社)の著者陣に、本書についてお話をうかがいました。 手軽に試せるTensorFlow本 ――今回、翔泳社から4月に発売した『現場で使える!TensorFlow開発入門 Kerasによる深層学習モデル構築手法』の著者陣であるブレインパッドの太田満久さん、小田大輔さん、須藤広大さん、黒澤匠雅さんにお話をうかがいます。最初に皆さんの自己紹介をお願いできますか? 太田:ブレインパッドで深層学習と機械学習を専門に扱っている部署の部長を務めてい
Multitrack MusicVAE: Interactively Exploring Musical Styles Jun 5, 2018 Ian Simon iansimon iansimon Adam Roberts adarob ada_rob Colin Raffel craffel colinraffel Jesse Engel jesseengel jesseengel Curtis Hawthorne cghawthorne fjord41 Previously, we introduced MusicVAE, a hierarchical variational autoencoder over musical sequences. In this post, we demonstrate the use of MusicVAE to model a particula
Up until fairly recently, just getting started writing your first line of machine learning code required a hefty upfront investment in time and money. For example, just last year I built my own PC specifically for machine learning. I researched the parts and assembled it myself. Just doing that cost me around $1600 and 30 hours of setup time, and I’m still trying to wrangle the computer’s configur
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