models/research/astronet at master · tensorflow/models · GitHubYou 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.
workshops/README.md at master · tensorflow/workshops · GitHub
TensorFlow workshops A few exercises for use at events. How-to run these notebooks Click on the links below to open these notebooks in Colaboratory, a hosted Jupyter notebook environment that's free to use and requires no setup. MNIST IMDB Housing prices Overfitting vs underfitting Text generation Translation Would you like to contribute, or report a bug? Thanks! Can you please file an issue, or e
Release TensorFlow 1.6.0 · tensorflow/tensorflow
Release 1.6.0 Breaking Changes Prebuilt binaries are now built against CUDA 9.0 and cuDNN 7. Prebuilt binaries will use AVX instructions. This may break TF on older CPUs. Major Features And Improvements New Optimizer internal API for non-slot variables. Descendants of AdamOptimizer that access _beta[12]_power will need to be updated. tf.estimator.{FinalExporter,LatestExporter} now export stripped
多分もっともわかりやすいTensorFlow 入門 (Introduction) - Qiita
TensorFlow を試してみた まず、Get started を読んでみます。 Introduction | TensorFlow いきなりTensorFlow のサンプルコードがでてきますが、ここではサンプルデータを使って、どれだけシンプルにモデルを構築できるかを見せてくれているわけです。ここはそもそも機械学習の知識が皆無だと、逆に意味がわからないと思います。 いろいろなTensorFlow の記事を見ると「機械学習知識ゼロでもいける」というのもみかけますが、TensorFlow はあくまでもツールにすぎないので、最低限の知識はあったほうが今後のためにも良いと思います。 次に、伝統的なMNIST(手書き文字認識)に取り組むということでデータのダウンロードを勧められます。MNIST 未経験なら「青いクスリ」を、ある程度機械学習に慣れた方は「赤いクスリ」をと勧められますので、ここは迷わず
Class activation maps in Keras for visualizing where deep learning networks pay attention
Class activation maps in Keras for visualizing where deep learning networks pay attention Github project for class activation maps Github repo for gradient based class activation maps Class activation maps are a simple technique to get the discriminative image regions used by a CNN to identify a specific class in the image. In other words, a class activation map (CAM) lets us see which regions in
kaggle TensorFlow Speech Recognition Challengeの上位者のアプローチを紹介する（後編） - Qiita
INTRODUCTION 前回に引き続き、kaggleのTensorflow Speech Recognition Challangeの上位者の アプローチを紹介いたします。 これはこの記事の続きです。 先にそちらをご覧ください。 今回は Network Architecture optimizer resampling normalization / standarization data augmenation silenceクラスへの対応 未知のunknonwへの対応 軽量化・高速化の工夫 LBのデータのトレーニングへの利用 について触れます。 nerwork architecture CNNベースのものがほとんどで、DNN以外のアプローチはほぼ見られません。 2ndの人以外は画像に対しても利用されるオーソドックスなアーキテクチャーでした。 なお、以下はすべてアンサンブル前のレベル１
［Python］60,000点のファッションアイテムのデータを使ってDeepLearningを実装 - Qiita
共有すること 60,000点のファッションアイテムのデータを使って、DeepLearningを実装する方法 この記事を書いた人の特徴 ・独学でプログラミングを勉強中 ・プログラミングの実務経験なし ・大学時代はゴリゴリの文系（教育学部）で、数学が苦手。プログラミングにも全く興味なかった。 なぜ共有するのか？ 主な目的は、下記の３点 ①DeepLearningに関する知識を定着化するため ②プログラミング実務未経験でも用意されているライブラリを使えばDeepLearningを実装できることを横展開したいため ③忘れた時に見直すため 「ゼロから学ぶDeepLearning」を読んだ。何となくわかりそうだけど、どう実装すればいいかわからなかった。 その時に参加したDeepLearningに関するセミナーが凄くわかりやすかった。 その時に学んだ知識を自分なりに咀嚼し直して、知識の型化・横展開をした
GitHub - Hyperparticle/one-pixel-attack-keras: Keras implementation of "One pixel attack for fooling deep neural networks" using differential evolution on Cifar10 and ImageNet
For this attack, we will use the Cifar10 dataset. The task of the dataset is to correctly classify a 32x32 pixel image in 1 of 10 categories (e.g., bird, deer, truck). The black-box attack requires only the probability labels (the probability value for each category) that get outputted by the neural network. We generate adversarial images by selecting a pixel and modifying it to a certain color. B
Keras チュートリアル - Qiita
# encoding: utf-8 from keras.datasets import mnist from keras.models import Sequential from keras.layers.core import Dense, Activation from keras.utils import np_utils # kerasのMNISTデータの取得 (X_train, y_train), (X_test, y_test) = mnist.load_data() # 配列の整形と，色の範囲を0-255 -> 0-1に変換 X_train = X_train.reshape(60000, 784) / 255 X_test = X_test.reshape(10000, 784) / 255 # 正解ラベルをダミー変数に変換 y_train = np_utils.to_
Beginning Machine Learning with Keras & Core ML
Apple’s Core ML and Vision frameworks have launched developers into a brave new world of machine learning, with an explosion of exciting possibilities. Vision lets you detect and track faces, and Apple’s Machine Learning page provides ready-to-use models that detect objects and scenes, as well as NSLinguisticTagger for natural language processing. If you want to build your own model, try Apple’s n
Tensorflow Object Detection APIで寿司検出モデルを学習するまで - Qiita
内容 最近DeepLearningの勉強を始めて、[Tensorflow Object Detection API]を使って、自分で集めた画像を使って学習してみました。学習データの収集、ローカルマシンでの学習からCloudでの学習まで自分が経験したことを共有したいと思います。 追記: 学習したモデルをiOSで動かすまでの記事を書きました。 https://heartbeat.fritz.ai/building-a-real-time-object-recognition-ios-app-that-detects-sushi-c4a3a2c32298 今年6月に公開されたTensorflow Object Detection APIを使うと、画像から物体(Object)とその位置を検出するためのモデルを作ることが簡単にできます。 実際に僕が触って見たときは、PythonやTensorflow
Make TensorBoard work in raw sources mode by jart · Pull Request #747 · tensorflow/tensorboard
With this change we withdraw our support for the ECMA import keyword hitherto mandated by certain tools. In doing so, TensorBoard compiles in seconds, rather than taking a minute. The ES6 import standard only defines / and ./ prefixed paths. All other paths that exist are undefined. Since most tooling and early-adopter codebases rely on the undefined behavior, the standard itself is mostly syntact
自動売買システム 予測モデルの評価更新と全体システム図 - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? データを蓄積し予測モデルを更新し続けるために、どういった機能を設計実装したか共有します。 2015年に遺伝的アルゴリズムで自動売買に挑戦したのが2年前。深層学習で再チャレンジして知見が溜まってきたので、運用における辛い話や設計を共有します。システムの話がメインです。 ^ Flask x SQL alchemy で作りました。ワーカーはsupervisordです。最初Rubyからpycall使ってTensorFlow使ってたんですが PyCall.import_module を数回唱えたあたりで全部Pythonで書き換えました。デコレータ
tf.kerasでのvgg16 fine-tuningで悩んだ話 - Qiita
はじめに [Tensorflow 1.4.0 : Release note] tf.keras is now part of the core TensorFlow API. とあるように ver 1.4.0よりtf.keras.XXXでkerasに容易にアクセスできるようになりました．私も重い腰を上げ，素のtensorflowからkeras(tf.keras)への乗り換えをはじめています．特にモデルが大きくなる場合には記述の見通しがよく，kerasの威力を実感しています． ただ，表題の通り1点よくわからない状況に出くわしたのでここにまとめてみます（正確な情報をご存知の方がおられればご教授いただけると嬉しいです）． 環境 Ubuntu 16.04 Python 3.5 tensorflow 1.4.0 状況 vgg16のfine-tuningを試したかったので，以下のような暫定コードを書き
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
education#%3Fmodal_active=none
Releases · tensorflow/tensorflow
models/research/object_detection/g3doc/running_pets.md at master · tensorflow/models
GitHub - philipperemy/keras-attention: Keras Attention Layer (Luong and Bahdanau scores).
学習時間評価 その3 (NVIDIA Tesla V100) [TensorFlowでDeep Learning 18] - Qiita![学習時間評価 その3 (NVIDIA Tesla V100) [TensorFlowでDeep Learning 18] - Qiita](https://cdn-ak-scissors.b.st-hatena.com/image/square/6428522ba11bd43b2322476def63c4d6a044f8c1/height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fcdn.qiita.com%252Fassets%252Fpublic%252Farticle-ogp-background-412672c5f0600ab9a64263b751f1bc81.png%3Fixlib%3Drb-4.0.0%26w%3D1200%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTk3MiZoPTM3OCZ0eHQ9JUU1JUFEJUE2JUU3JUJGJTkyJUU2JTk5JTgyJUU5JTk2JTkzJUU4JUE5JTk1JUU0JUJFJUExJTIwJUUzJTgxJTlEJUUzJTgxJUFFMyUyMCUyOE5WSURJQSUyMFRlc2xhJTIwVjEwMCUyOSUyMCU1QlRlbnNvckZsb3clRTMlODElQTdEZWVwJTIwTGVhcm5pbmclMjAxOCU1RCZ0eHQtYWxpZ249bGVmdCUyQ3RvcCZ0eHQtY29sb3I9JTIzMUUyMTIxJnR4dC1mb250PUhpcmFnaW5vJTIwU2FucyUyMFc2JnR4dC1zaXplPTU2JnM9Y2RkYzQxNGU1NGMyNGE1Njk5ZmJlYjUzNjBlZTI0Njg%26mark-x%3D142%26mark-y%3D57%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZoPTc2Jnc9NzcwJnR4dD0lNDBrdW1vbmt1bW9uJnR4dC1jb2xvcj0lMjMxRTIxMjEmdHh0LWZvbnQ9SGlyYWdpbm8lMjBTYW5zJTIwVzYmdHh0LXNpemU9MzYmdHh0LWFsaWduPWxlZnQlMkN0b3Amcz1jN2E4YTQ3OWRhOThmMTE1ODNjODlhYjJkYjQ5NmEwOA%26blend-x%3D142%26blend-y%3D436%26blend-mode%3Dnormal%26txt64%3DaW4gTWVyY2FyaQ%26txt-width%3D770%26txt-clip%3Dend%252Cellipsis%26txt-color%3D%25231E2121%26txt-font%3DHiragino%2520Sans%2520W6%26txt-size%3D36%26txt-x%3D156%26txt-y%3D536%26s%3D9c3c79f70fcaf3f70d9535de8c4ab882)
kerasを使ってプリキュア認識プログラムを作る – 無糖ブログ
