KerasのRNNを触ってみる① - Qiita
はじめに この内容は、自身の知識の整理が主な目的です。 実装した内容は、公式ドキュメントや色々な人の実装例を参考にしていますが、 なにぶん、知識不足により間違った理解があるかもしれません。。 その時は、遠慮なくご指摘頂けると幸いです。。 環境： python 2.7.13 Keras 2.0.7 theano 0.9.0 scikit-learn 0.18.2 やること RNNのシンプルな例を使って、Kerasでの実装方法を学ぶ。 Kerasでの簡単なRNNの実装例はCNNと比べて少なかったので、（ここくらい？） 自分で例を作ってみようと思いました。 やることは、Peter's notesの例とほとんど同じですが、 可変長の数字の並びを入力として、その総和を出力とします。 例） no 入力(X) 出力(y)
Refactor regularizers and add add_weight method. by fchollet · Pull Request #4703 · keras-team/keras
Keras で超簡単 Seq2Seq の学習をしてみる - Qiita
Seq2Seq とは シーケンスのペアを大量に学習させることで、片方のシーケンスからもう一方を生成するモデルです。 実用例としては以下のようなものがあります。 翻訳: 英語 -> フランス語 のペアを学習。英語を入力するとフランス語に翻訳してくれる。 構文解析: 英語 -> 構文木 のペアを学習。英語を入力すると構文木を返してくれる。 会話bot： 問いかけ -> 返答 のペアを学習。「お腹減った」に対して「ご飯行こうぜ」などと返してくれる。 いろいろ夢の広がるモデルです。 LSTM を使った以下のような形をしたネットワークで、入力を内部表現に変換するエンコーダ部分（画像左半分）と内部表現から出力を得るデコーダ（画像右半分）で構成されます。 引用元：TensorFlow Seq2Seq を簡単に試したい！ Fariz Rahman さんが Keras での Seq2Seq ライブラリを公開
Keras use only single thread · Issue #1245 · keras-team/keras
I have installed keras on a redhat 6 server, it is really a attractive framework cause it is really easy to build a deep neural network. However, I found my keras use only single thread(or single core). I ran examples given in the source code package, such as "mnist_mlp.py", and used "top" command, found the usage of CPU is 100%, never more than CPU, I have 6 cores, each with four threads, no GPU,
KerasでCNNを簡単に構築 - Qiita
from tensorflow.keras.models import Sequential from tensorflow.keras.layers import Conv2D from tensorflow.keras.layers import MaxPool2D from tensorflow.keras.optimizers import Adam from tensorflow.keras.layers import Dense, Activation, Dropout, Flatten from tensorflow.keras.utils import plot_model, to_categorical from keras.callbacks import TensorBoard from keras.datasets import cifar10 Sequential
Keras 2.0 release notes
The nb_epoch argument has been renamed epochs everywhere. The methods fit_generator, evaluate_generator and predict_generator now work by drawing a number of batches from a generator (number of training steps), rather than a number of samples. samples_per_epoch was changed to steps_per_epoch in fit_generator. It now refers to the number of batches an epoch is considered as done. nb_val_samples was
kerasでCNN 自分で拾った画像でやってみる - Qiita
はじめに kerasでCNNにチャレンジしてみました。例題のデータセットだけだと面白くないので、自分で拾ってきた画像をCNNで分類しました。 ここではCNNの理論的な部分はある程度わかっている前提で、処理の部分に焦点を当てています。 分析環境は、AWSのEC2を利用。 なお、画像に関しては必要な部分の切り出しを行なった上で実行しています。 (私はOpenCVで行いました) 分析環境について TensorFlowをGPUで動くよう、環境を構築したかったのですが初心者には難しく… AWSですでに環境が構築されているAMI(Bitfusion Ubuntu 14 TensorFlow)があったので、こちらを利用しています。 必要なパッケージも既に入ってます。 なお、上記のAMIはPython3も入っているので、そちらでも利用できるかと思います。 (なおコストはかかるので、その点はちゃんと確認くだ
少ない画像から画像分類を学習させる方法（kerasで転移学習：fine tuning）
※サンプル・コード掲載 あらすじ 「フルーツの画像を判別するモデルを作ってくれませんか？」 と言われた時に、どのようにモデルを作りますか？ ディープラーニングで画像分類を行う場合、通常畳み込みニューラルネットワークという学習手法を使いますが、画像の枚数によっては数週間程度がかかってしまいます。 また、学習に使用する画像の枚数も大量に用意しないといけません。 では、短時間・少ない画像から画像を分類するモデルを作るにはどうすればよいでしょうか。 その解決策として、画像分類でよく使われているfine tuningという手法をご紹介します。 今回はkeras2.0を使ってサンプルコードを書いて行きます。 *keras = Pythonで書かれたニューラルネットワークライブラリ。裏側でtheanoやtensorflowが使用可能。 fine tuning（転移学習）とは？ 既に学習済みのモデルを転用
SSD: Single Shot MultiBox Detector 高速リアルタイム物体検出デモをKerasで試す - Qiita
リアルタイムに物体検出するのってどうやるんだろう？と思い調べてみたら、想像以上に高機能なモデルが公開されていたので試してみました。こんな感じです。 自動運転で良く見るようなリアルタイムの物体認識をしています。このモデルは「Single Shot MultiBox Detector（SSD）」という深層学習モデルで、Kerasで動いています。 環境さえ整えればレポジトリをクローンして簡単に実行できます。今回はデモの実行方法をまとめてみます。 環境 ちょっと古いiMacにUbuntu16.04を入れたものを使いました。詳しくはこのへんとかこのへんをご参照ください。 SSD: Single Shot MultiBox Detector 深層学習を利用したリアルタイムの物体検出は次々と新しい技術が公開されているようです。ざっと調べたところ、R-CNN、Fast R-CNN、Faster R-CNN
A concrete example for using data generator for large datasets such as ImageNet · Issue #1627 · keras-team/keras
I am already aware of some discussions on how to use Keras for very large datasets (>1,000,000 images) such as this and this. However, for my scenario, I can't figure out the appropriate way to use the ImageDataGenerator or write my own dataGenerator. Specifically, I have the following four questions: From this link: when we do datagen.fit(X_sample), do we assume that X_sample is a big enough chun
少ない画像から画像分類を学習させる方法（kerasで転移学習：fine tuning）
※サンプル・コード掲載 あらすじ 「フルーツの画像を判別するモデルを作ってくれませんか？」 と言われた時に、どのようにモデルを作りますか？ ディープラーニングで画像分類を行う場合、通常畳み込みニューラルネットワークという学習手法を使いますが、画像の枚数によっては数週間程度がかかってしまいます。 また、学習に使用する画像の枚数も大量に用意しないといけません。 では、短時間・少ない画像から画像を分類するモデルを作るにはどうすればよいでしょうか。 その解決策として、画像分類でよく使われているfine tuningという手法をご紹介します。 今回はkeras2.0を使ってサンプルコードを書いて行きます。 *keras = Pythonで書かれたニューラルネットワークライブラリ。裏側でtheanoやtensorflowが使用可能。 fine tuning（転移学習）とは？ 既に学習済みのモデルを転用
Keras Recurrentレイヤーメモ:return_sequences, RepeatVector, TimeDistributed - Qiita
#動機 「詳解 ディープラーニング Tensorflfow・Kerasによる時系列データ処理」で勉強をしている中で、Kerasで足し算タスクを学習するRNN Encoder-Decoderの項目がありました。 それ以前の内容は比較的追いやすかったのですが、RNN Encoder-Decoderのスクリプトの理解は少々難しかったため、KerasのReccurentレイヤーの使い方を忘れないようにメモ。 #RNN Encoder Decoderとは 原著(arXiv)：https://arxiv.org/abs/1406.1078 最近はRNN encoder decoderモデルの一つであるseq2seqが翻訳やチャットボットなどで使われていますね。 図：Sequence to Sequence Learning with Neural Networksより抜粋 基本的には、Encoderネ
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
Incorporating Word Vectors rather than using an Embedding class · Issue #853 · keras-team/keras
None is not supported in input_shape [bug] · Issue #5900 · keras-team/keras![None is not supported in input_shape [bug] · Issue #5900 · keras-team/keras](https://cdn-ak-scissors.b.st-hatena.com/image/square/f3b23ea18582763f7fe3950c8b608e59cbecd218/height=288;version=1;width=512/https%3A%2F%2Fopengraph.githubassets.com%2Fbe4c96e0b64dc5304fb220281174e37548224728be1cfc311301231353dcb379%2Fkeras-team%2Fkeras%2Fissues%2F5900)
Keras(〜2.1.2)でtrainable=FalseをセットしてもBN層は完全に固定されない - Qiita
keras/mnist_mlp.py at master · keras-team/keras · GitHub
Memory leak during model.fit() · Issue #5935 · keras-team/keras
How to obtain the gradient of each parameter in the last epoch of training · Issue #2226 · keras-team/keras
Kerasのバックエンドを使った層を追加する - Qiita
How to add Attention on top of a Recurrent Layer (Text Classification) · Issue #4962 · keras-team/keras
