Keras Documentation
KERAS 3.0 RELEASED A superpower for ML developers Keras is a deep learning API designed for human beings, not machines. Keras focuses on debugging speed, code elegance & conciseness, maintainability, and deployability. When you choose Keras, your codebase is smaller, more readable, easier to iterate on. inputs = keras.Input(shape=(32, 32, 3)) x = layers.Conv2D(32, 3, activation="relu")(inputs) x =
Samples | Cloud Machine Learning Engine (Cloud ML Engine) | Google Cloud Platform
Vertex AI is a machine learning (ML) platform that lets you train and deploy ML models and AI applications, and customize large language models (LLMs) for use in your AI-powered applications. Vertex AI combines data engineering, data science, and ML engineering workflows, enabling your teams to collaborate using a common toolset and scale your applications using the benefits of Google Cloud. Verte
Keras Documentation
Keras: Pythonの深層学習ライブラリ Kerasとは Kerasは，Pythonで書かれた，TensorFlowまたはCNTK，Theano上で実行可能な高水準のニューラルネットワークライブラリです． Kerasは，迅速な実験を可能にすることに重点を置いて開発されました． アイデアから結果に到達するまでのリードタイムをできるだけ小さくすることが，良い研究をするための鍵になります． 次のような場合で深層学習ライブラリが必要なら，Kerasを使用してください: 容易に素早くプロトタイプの作成が可能（ユーザーフレンドリー，モジュール性，および拡張性による） CNNとRNNの両方，およびこれらの2つの組み合わせをサポート CPUとGPU上でシームレスな動作 Keras.ioのドキュメントを読んでください． KerasはPython 2.7-3.6に対応しています． ガイドライン ユーザー
The Pylons Project — The Pylons Project Documentation
The Pylons Project¶ The Pylons Project develops a collection of related web development technologies. Visit our websites for information about projects under the Pylons Project as well as the organization itself. https://pylonsproject.org/ for the Pylons Project https://trypyramid.com/ for Pyramid, the web framework https://webob.org/ for WebOb https://docs.pylonsproject.org/projects/pylons-webfra
Chainer – A flexible framework of neural networks — Chainer 7.8.1 documentation
Chainer – A flexible framework of neural networks¶ Chainer is a powerful, flexible and intuitive deep learning framework. Chainer supports CUDA computation. It only requires a few lines of code to leverage a GPU. It also runs on multiple GPUs with little effort. Chainer supports various network architectures including feed-forward nets, convnets, recurrent nets and recursive nets. It also supports
Chainer – A flexible framework of neural networks — Chainer 7.8.1 documentation
Chainer – A flexible framework of neural networks¶ Chainer is a powerful, flexible and intuitive deep learning framework. Chainer supports CUDA computation. It only requires a few lines of code to leverage a GPU. It also runs on multiple GPUs with little effort. Chainer supports various network architectures including feed-forward nets, convnets, recurrent nets and recursive nets. It also supports
Recurrent Nets and their Computational Graph — Chainer 1.3.2 documentation
Recurrent Nets and their Computational Graph¶ In this section, you will learn how to write recurrent nets with full backprop, recurrent nets with truncated backprop, evaluation of networks with few memory. After reading this section, you will be able to: Handle input sequences of variable length Truncate upper stream of the network during forward computation Use volatile variables to prevent netwo
Optimizers — Chainer 7.8.1 documentation
Optimizer/UpdateRule hook function for weight decay regularization.
国際化とローカライズ — Pylons 0.9.7 documentation
はじめに¶ 国際化とローカライズは、ソフトウェアを非ネイティブの環境、特に他の国や 文化のために適合させる手段です。 ローカライズが必要なアプリケーションの部分は以下のようなものがあります: 言語 日付/時間の形式 数の形式、例えば小数点やセパレータの位置、セパレータとして使用される文字 タイムゾーン (国際化環境では UTC) 通貨 重さと長さ 国際化とローカライズの区別は微妙ですが、重要です。国際化とは潜在的にあ らゆる場所で使用できるように製品を適合させることです。一方、ローカライ ズは特定のロケールで使用するための特別な機能追加です。 例えば、ソフトウェアで使用される言語に関して、国際化は翻訳が必要になる 可能性のあるすべての文字列に印をつけるプロセスであり、ローカライズは特 定のロケールのための翻訳を行うプロセスです。 Pylons は言語を国際化することを可能にする標準サポート
Standard Function implementations — Chainer 1.4.1 documentation
Functions¶ Chainer provides variety of built-in function implementations in chainer.functions package. These functions usually return a Variable object or a tuple of multiple Variable objects. For a Variable argument of a function, an N-dimensional array can be passed if you do not need its gradient. Some functions additionally supports scalar arguments. Note Functions implemented in Chainer consi
Comparison with Other Frameworks — Chainer 6.0.0 documentation
1 Define-by-run is in development as of June 2017 and tracked in dmlc/mxnet#5705. It is also possible using the much slower MinPy extension. 2 Symbolic autograd is in development as of June 2017 and tracked in deeplearning4j/nd4j#1750. 3 Symbolic autograd is available only with ngraph backend (experimental). 4 Some functions do not support higher-order differentiation. See chainer/chainer#4449. 5
Introduction to Vertex AI Workbench | Google Cloud
Stay organized with collections Save and categorize content based on your preferences. Introduction to Vertex AI Workbench Vertex AI Workbench instances are Jupyter notebook-based development environments for the entire data science workflow. You can interact with Vertex AI and other Google Cloud services from within a Vertex AI Workbench instance's Jupyter notebook. Vertex AI Workbench integratio
caffe.md
caffe.md Caffe tutorial この文章ではCNN実装であるCaffeを用いて，特徴ベクトルの抽出やパラメータの学習を行うための方法について説明する． Caffeでサポートされている機能 以下の作業を行いたいのであれば，Caffeを用いることが望ましい． CNNを利用した画像の多クラス分類 CNNによる特徴ベクトルの抽出 CNNの転移学習 Stacked Auto Encoder !重要! Caffeは(例えmasterブランチだろうが)頻繁に仕様が変わるので前動いたやつが今は動かないなんてことがしばしばある．この文章も恐らく数カ月後には動かない箇所が出てくると思われる :( Installation Anacondaのインストール 基本的なインストール方法はInstallationを参照すればよいが，それだけでは微妙に躓きそうな箇所について簡単に記載する． まず，Caff
maf入門 — maf 0.2 documentation
maf入門¶ この文書ではmafを使いはじめようとしている人のために、mafとは何で、何のためにあって、どうやって使うのかを解説します。 その途中、ビルドツールを用いた実験計画の記述という、mafを使う上で必須となる考え方を紹介します。 具体的な使い方を解説する上で、ビルドツールwafの使い方については既知として進めます。 これを読む皆様に快適な実験生活が訪れることを願っています！ mafとは¶ maf はコンピュータプログラムを用いた実験を記述するための環境です。 特に実験対象となるプログラムに設定やパラメータがあり、その設定・パラメータを様々な値に変えたときの実験結果を管理・処理・比較する場合に有用です。 mafは当初、機械学習の実験を新たに始めるときに役立つツール集という位置付けで作り始めました。 現在は機械学習に依らず、ソフトウェアやアルゴリズムの比較実験・検証に広く用いることがで
BigQuery documentation | Google Cloud
BigQuery is Google Cloud's fully managed, petabyte-scale, and cost-effective analytics data warehouse that lets you run analytics over vast amounts of data in near real time. With BigQuery, there's no infrastructure to set up or manage, letting you focus on finding meaningful insights using GoogleSQL and taking advantage of flexible pricing models across on-demand and flat-rate options. Go to the
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
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
Migrate fulfillment from API V1 to API V2 | Dialogflow
Pylons Reference Documentation — Pylons 0.9.7 documentation
Concepts Walkthrough — Chainer 7.8.1 documentation
モデル — Pylons 0.9.7 documentation
Google Prediction API — Google Developers