keras/lstm_text_generation.py at master · keras-team/keras · GitHubDismiss Join GitHub today GitHub is home to over 50 million developers working together to host and review code, manage projects, and build software together. Sign up
What is in keras 2 ? After updating to keras 2.0.2 working code is giving errors · Issue #6006 · keras-team/keras
My code was already causing issues but only in fit_generator (#6000) so I thought I should update keras because I have not updated since 2-3 months This is the new set of error I encountered: import keras.utils.visualize_util was not found then I found this in folder keras.utils.vis_utils so I imported it. Instead of keras.utils.vis_utils.plot I found that it might be keras.utils.vis_utils.plot_mo
Tensorflow Object Detection API クイックスタート - Qiita
はじめに この記事は2017年6月に公開されたTensorflow Object Detection APIのクイックスタートガイドです。 ドキュメント読んだり、環境設定に時間を掛けずにペットデータセットを使ったサンプルをDockerを使ってローカル環境で簡単に試せるようにしました。 僕自身もそうですが、普段PythonやDeepLearningをやっていない人の助けになれれば幸いです。 環境 必要な環境はDockerだけです。 メモリが足りないとプロセスが止まってしまうので12GB程度割り当てて下さい。 Docker CPUs: 2, Memory: 12GB Mac以外でも動くと思いますが、自分のマシンのスペックを記載しておきます。 MacBook Pro (13-inch, 2016) CPU: 3.3 GHz Intel Core i7 Memory: 16 GB OS: macO
tf.assign | TensorFlow v1.15.0
Deploy ML on mobile, microcontrollers and other edge devices
｢敵の敵は、味方｣マイクロソフトとアマゾンが提携、グーグルに対抗
マイクロソフトCEOサティア・ナデラ氏とアマゾンCEOジェフ・ベゾス氏。 Chip Somodevilla / Staff 10月12日（現地時間）、予想外の提携が発表された。マイクロソフトとアマゾンはオープンソースの開発者向けツール｢Gluon｣を提供する。 Gluonは、AIおよび機械学習システム開発を簡易化するツール。 しかし、この提携の重要なポイントは別にある。すなわち、これはAI分野で先行するグーグルに両社が協力して対抗するということだ。 マイクロソフトとアマゾンは、AIで手を組んだ。 両社は、開発者向けのツール｢Gluon｣をオープンソースで提供すると発表した。つまり、誰もが無料でこのツールを使ってシステムを開発、もしくはツールの機能開発などに参加することができる。 新たなプログラミングツールをオープンソースで公開するメリットは、ユーザーの要望をより確実に汲み取れる点にある。な
大自然言語時代のための、文章要約 - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? さまざまなニュースアプリ、ブログ、SNSと近年テキストの情報はますます増えています。日々たくさんの情報が配信されるため、Twitterやまとめサイトを見ていたら数時間たっていた・・・なんてこともよくあると思います。世はまさに大自然言語時代。 *from [THE HISTORICAL GROWTH OF DATA: WHY WE NEED A FASTER TRANSFER SOLUTION FOR LARGE DATA SETS](https://www.signiant.com/articles/file-transfer/the-
Keras(TensorFlow)で学習済みモデルを転用して少ないデータでも画像分類を実現する[転移学習：Fine tuning] - Qiita
import pandas as pd import random, math import numpy as np from keras.preprocessing.image import load_img, img_to_array from keras.applications.vgg16 import VGG16 from keras.models import Sequential, Model from keras.layers import Input, Dense, Dropout, Activation, Flatten from keras.optimizers import SGD from keras.utils import np_utils from keras.preprocessing.image import ImageDataGenerator # 分
![Keras(TensorFlow)で学習済みモデルを転用して少ないデータでも画像分類を実現する[転移学習：Fine tuning] - Qiita](https://cdn-ak-scissors.b.st-hatena.com/image/square/86f10e94802397eafa77dc937bce99b7254346dd/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-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%26mark-x%3D142%26mark-y%3D57%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZoPTc2Jnc9NzcwJnR4dD0lNDB0c3VuYWtpJnR4dC1jb2xvcj0lMjMxRTIxMjEmdHh0LWZvbnQ9SGlyYWdpbm8lMjBTYW5zJTIwVzYmdHh0LXNpemU9MzYmdHh0LWFsaWduPWxlZnQlMkN0b3Amcz1hZjBhNDMxNGZmMjgwODVlZjE5MmNkZDhjNDgyMGVjMQ%26blend-x%3D142%26blend-y%3D436%26blend-mode%3Dnormal%26txt64%3DaW4g5qCq5byP5Lya56S-R0FVU1M%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%3D7d08128db409450e7c480f09fedddf21)
とりあえずFloydhubで遊んでみた - Qiita
はじめに Floydhub とはDeepLearningのためのHerokuのようなサービスでTensorFlowやChainerを使ったプログラムをCloudで動かすことができます。 Floydhubの特徴は Chainer, TensorFlow, Keras, theano等が使える アカウントの作成にクレジットカードは必要ない 今回はとりあえずアカウントの作成からGet Startedをやってみます。 アカウントの作成 アカウントは無料で作れます。クレジットカードは今は必要ありません。https://www.floydhub.com からSign Upすると以下のWelcome Pageに移ります。 Get Started Setup floyd-cli アカウント作成後、メールが届いてるので認証します。 ターミナル上で、適当な作業ディレクトリに移動してからfloyd-cliをイン
おもろい航空会社、Peachが挑む“片手間でのAI活用”とは (1/3)
2020年までに事業規模を倍に、そのためにはAI活用が必須 2012年3月に関西国際空港を拠点として運航を開始したPeachは、国内市場におけるLCC利用の普及と歩調を合わせるかたちで急成長を遂げてきた。2017年9月現在の累計搭乗者数は2000万人、就航路線数は29路線（国内14、国際15）で、1日最大100便以上を運航している。関西国際空港に次いで、2014年7月には那覇空港、2017年9月には仙台空港に拠点を開設しており、さらに2018年度には新千歳空港も加わる計画だ。 Peachの事業ミッションは、「安全」第一で「ジャパン・クオリティ」の旅客サービスを提供しつつ、LCCとして「低運賃」を追及することにある。当然、業務コストの効率化は常に求められており、たとえば関西国際空港内にあるオフィスを例に取ってみても、「ある百貨店が利用していたオフィスを、そのまま居抜きで（大規模な改修なしで）
ML Engineでサーバーレス転移学習 - Qiita
ディープラーニングの画像識別は今日では広く認知されているものの、あまり事例が出てこないのはデータ数が膨大に必要である事と、それに伴って学習が長時間になるのが原因ではないかと思います。 そんな課題をクールに解決してくれるのが転移学習です。 転移学習はネットワークの全てをまっさらな状態から学習するのではなく、学習済みのネットワークの一部のみを学習し直す事で、データ数も時間も少なく精度の高い結果を得られる手法です。しかし学習と運用の面ではまだ面倒な事がたくさんあるため、ここではML Engineを使って簡単に転移学習を実現する方法を紹介します。 本記事はNotebookにまとまっています。 Kerasを使った転移学習 転移学習は前述の通り学習済みのネットワークが必要となります。TensorFlowでも一部の方が公開されていますが、デフォルトで且つ簡単に利用できるという点ではKerasが一番おすす
Edward is officially moving into TensorFlow
Hello everyone, I have an exciting announcement to share: we’re officially merging Edward into TensorFlow. Specifically, Edward will be in the contrib module for now, and to avoid redundancy with other submodules, we’ll be merging its many features across libraries with a primary focus on: tf.contrib.distributions—for distributions such as Empirical and properties such as supports; tf.contrib.baye
Real-time Performance RNN in the Browser
Real-time Performance RNN in the Browser Oct 5, 2017 Curtis Hawthorne cghawthorne fjord41 Thanks to the recently-released deeplearn.js environment, you can now enjoy real-time Performance RNN piano performances in the browser. Try the Performance RNN Browser demo deeplearn.js is an open-source Javascript library that enables GPU-based training and evaluation of models in the browser. It includes t
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
How to implement a conv layer with different filter sizes (Zhang & Wallace 2015) ? · Issue #6547 · keras-team/keras
is there any way to note down or control the random seeds? · Issue #439 · keras-team/keras
keras/optimizers.py at master · keras-team/keras
【LT版】Elixir入門「第7回：Python／KerasをElixirから繋いでアレコレする」
tf.make_ndarray | TensorFlow v2.16.1
DCGAN-tensorflowで自動画像生成をお手軽に試す - Qiita
DevFest Tokyo 2017 TensorFlow
magenta/README.md at main · magenta/magenta
